You are on page 1of 164

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA PROGRAMA DE INGENIERA DE SISTEMAS

301126 DINMICA DE SISTEMAS ELICER PINEDA BALLESTEROS (Director Nacional)

BUCARAMANGA Julio de 2011

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente mdulo fue diseado y escrito en el ao 2011 por el Ing. Elicer Pineda Ballesteros, docente auxiliar de la UNAD, y ubicado en el CEAD de Bucaramanga. El profesor Pineda es Ingeniero de Sistemas y Economista, Especialista en Docencia Universitaria, y Magster en Informtica; se ha desempeado como tutor de la UNAD desde el ao 2004 hasta la fecha y ha sido catedrtico de la Universidad Industrial de Santander y de la Universidad Pontificia Bolivariana, entre otras. Este mdulo se desarrolla como primera versin, acorde a las necesidades propias del modelo pedaggico centrado en el aprendizaje autnomo promovido por la UNAD.

INTRODUCCIN El mdulo de Dinmica de Sistemas se ofrece a la comunidad unadista como una posibilidad de acceder al modelado estructural mediante una forma didctica asumiendo elementos de orden pedaggico que posibilitan el aprendizaje sobre el supuesto de que quien asume este curso lo hace de manera libre y que a su vez lo motiva una genuina necesidad por aprender. La Dinmica de Sistemas fue creada a mediados de los aos 50 como respuesta a una serie de problemas relacionados con la incapacidad del hombre para dar cuenta del comportamiento de fenmenos de cierta complejidad. Su creador fue Jay W. Forrester (1958), profesor del MIT, ingeniero electrnico, creador adems de la memoria RAM. El curso proveer a los estudiantes de los tiles necesarios para abordar procesos serios de modelado de fenmenos de diversa naturaleza que los habilita para la toma de decisiones con un nivel menor de incertidumbre. Adicional a lo anterior no slo se desarrollarn en los estudiantes competencias para el modelado sino que tambin se promovern en ellos habilidades tiles para su futuro desempeo profesional puesto que, segn los profesores Michael J. Radzicki y Barbara Karanian (2002), al estudiarse la dinmica de sistemas las personas (Traduccin Libre): Pueden ver la naturaleza genrica de los flujos y niveles y las estructuras de realimentacin. Se les provee de una herramienta interdisciplinaria que puede ser utilizada para resolver sistemas dinmicos que fueron vistos por ellos como estticos, en el colegio. Desarrollan habilidades para resolver e integrar problemas multidisciplinarios. Aprenden va procesos experimentales desarrollando competencias esenciales. Aprenden mediante procesos de aprendizaje centrado en el aprendiz. Se les provee de una herramienta para estudiar la interaccin entre tecnologa y sociedad. Teniendo como gua lo antes expuesto, el mdulo de Dinmica de Sistemas se dise teniendo en cuenta tres partes. La primera de ellas se concentrar en la conceptualizacin sobre el pensamiento de sistemas, el modelado estructural y los diagramas de influencias; la segunda parte dar los lineamientos necesarios para abordar la elaboracin de los diagramas de Forrester, la representacin de no linealidades y el tratamiento de los retardos de material y de informacin y la tercera parte se dedicar a mostrar como el modelado y simulacin de fenmenos son apropiados para abordar el proceso de toma de decisiones a partir de modelos previamente validados y probados.

Se espera que el estudio de este mdulo sea suficientemente provechoso y para ello se sugiere una lectura consciente de cada una de las lecciones que lo componen.

NDICE DE CONTENIDO INTRODUCCIN .................................................................................................... 3 NDICE DE CONTENIDO ........................................................................................ 5 UNIDAD 1 CONCEPTUALIZACIN SOBRE SISTEMAS Y MODELOS ............... 11 CAPTULO 1: LA IDEA DE SISTEMA ................................................................... 12 Introduccin ....................................................................................................... 12 Leccin 1: Mquinas, Sistemas y Modelos ........................................................ 12 Mquinas........................................................................................................ 12 Las mquinas simples .................................................................................... 13 Sistemas ........................................................................................................ 14 Orgenes y perspectivas del pensamiento sistmico ..................................... 14 La teora General de Sistemas....................................................................... 15 Sistemas Abiertos y Cerrados ........................................................................ 16 Modelos.......................................................................................................... 18 Leccin 2: La Ciberntica .................................................................................. 19 Los campos de aplicacin de la ciberntica ................................................... 20 Leccin 3: El Concepto de Sistema ................................................................... 22 Leccin 4: El Pensamiento de Sistemas ............................................................ 24 Leccin 5: Perspectivas del Pensamiento de Sistemas ..................................... 27 CAPTULO 2: EL MODELADO.............................................................................. 29 Introduccin.................................................................................................... 29 Leccin 1: La Dinmica del Ser al Existir ........................................................... 30 Leccin 2: La idea de Modelo ............................................................................ 33 Modelo y modelado ........................................................................................ 33 Leccin 3: Modelo: para Representar o para ser Representado ....................... 34 Leccin 4: Modelado Segn su Uso .................................................................. 36 Modelado Para El Aprendizaje ....................................................................... 36 Modelado Para La Explicacin ....................................................................... 37 Modelado Para La Intervencin ..................................................................... 38 Leccin 5: Modelado Segn su Proceso ........................................................... 40 Modelado De Rplica ..................................................................................... 40 Modelado De Reconstruccin ........................................................................ 41 Modelado De Construccin ............................................................................ 42 CAPTULO 3: DIAGRAMAS DE INFLUENCIAS ................................................... 44 Introduccin ....................................................................................................... 44 Leccin 1: Causalidad vs Correlacin ................................................................ 45 Leccin 2: Modo de Referencia y la Hiptesis Dinmica ................................... 47 Hiptesis dinmica ......................................................................................... 47 Modo de referencia ........................................................................................ 48 Leccin 3: Elementos de los Diagramas de Influencias ..................................... 50 La estructura del sistema ............................................................................... 50

Los diagramas de influencias ......................................................................... 51 Recomendaciones para construir diagramas de influencias .......................... 53 Errores comunes en la realizacin de diagramas de influencias .................... 53 Leccin 4: Los Ciclos de Realimentacin .......................................................... 55 Ciclo de realimentacin positiva ..................................................................... 55 Ejemplo de ciclo de realimentacin positivo ................................................... 55 Ciclo de realimentacin negativa ................................................................... 56 Ejemplo de ciclo de realimentacin negativo ................................................. 56 Ciclos de realimentacin acoplados ............................................................... 57 El crecimiento sigmoidal................................................................................. 57 Leccin 5: Los retardos ..................................................................................... 59 ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD UNO ........................ 60 FUENTES DOCUMENTALES DE LA UNIDAD UNO ........................................ 62 UNIDAD 2: DIAGRAMAS DE FORRESTER ......................................................... 64 CAPTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER ................ 65 Introduccin ....................................................................................................... 65 Leccin 1: La Nocin de Razn de Cambio y Acumulacin............................... 66 Nociones acerca del cambio .......................................................................... 66 El cambio cualitativo ...................................................................................... 66 Cambio cuantitativo ........................................................................................ 66 La razn de cambio ........................................................................................ 67 Leccin 2: Diagramas de Forrester .................................................................... 68 Los elementos del diagrama de Forrester ...................................................... 69 Leccin 3: Los Niveles y los flujos ..................................................................... 72 Construccin del diagrama de Forrester ........................................................ 72 Algunas recomendaciones para reconocer los niveles y los flujos ................. 73 Ejemplos de niveles: ...................................................................................... 74 Flujos asociados a los niveles ........................................................................ 74 Leccin 4: Las variables Auxiliares, los Multiplicadores y las No Linealidades . 76 Variables auxiliares ........................................................................................ 76 No linealidades............................................................................................... 77 Los Multiplicadores ........................................................................................ 77 Leccin 5: Caracterizacin de los Retardos....................................................... 79 Retardos de material. ..................................................................................... 80 Retardo de informacin .................................................................................. 81 CAPTULO 5: ELABORACIN DE DIAGRAMAS DE FORRRESTER .................. 84 Introduccin ....................................................................................................... 84 Leccin 1: Leyendo el Diagrama de Influencias ................................................ 85 Del ser al existir de la dinmica conejo-zorro ................................................. 85 El diagrama de influencias del modelo presa predador ................................. 86 Leccin 2: Definiendo los Niveles ...................................................................... 88 Manos a la obra. ............................................................................................ 88

Leccin 3: Identificando los Flujos ..................................................................... 90 Leccin 4: Usando las variables auxiliares ........................................................ 93 Leccin 5: Usando los retardos y tablas ............................................................ 95 CAPTULO 6: SIMULACIN ............................................................................... 100 Introduccin ..................................................................................................... 100 Leccin 1: Escenarios de Simulacin .............................................................. 101 Algunas caractersticas del diseo de escenarios: ....................................... 102 Escenarios y pronsticos ........................................................................... 103 Los escenarios y la toma de decisiones ....................................................... 103 Cmo construir o Simular escenarios........................................................... 103 Etapas .......................................................................................................... 103 Leccin 2: Anlisis de Sensibilidad .................................................................. 106 El anlisis de sensibilidad permite: .............................................................. 106 Limitaciones del Anlisis de Sensibilidad ..................................................... 106 Leccin 3: Validacin de Modelos ................................................................... 110 Introduccin a la validacin de modelos....................................................... 110 El proceso de validacin de un modelo ........................................................... 111 Fases en la validacin de un modelo ........................................................... 112 Leccin 4: Pruebas de modelos en la prctica ................................................ 114 Prueba de lmites del modelo ....................................................................... 114 Pruebas de evaluacin de la estructura ....................................................... 114 Evaluacin de parmetros............................................................................ 115 Pruebas de condiciones extremas ............................................................... 115 Pruebas de reproduccin de comportamiento .............................................. 115 Leccin 5: Experimentacin Simulada ............................................................. 116 Aprendizaje organizacional "natural" ............................................................ 116 Mundos virtuales para el aprendizaje organizacional "artificial" ................... 117 Incrementando la eficiencia del aprendizaje organizacional ........................ 117 FUENTES DOCUMENTALES DE LA UNIDAD DOS ...................................... 121 UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIN ................ 122 CAPTULO 7: TOMA DE DECISIONES .............................................................. 123 Introduccin ..................................................................................................... 123 Leccin 1: Introduccin a la Toma de Decisiones............................................ 124 Decisiones en situacin de certeza .............................................................. 124 Decisiones en situacin de incertidumbre .................................................... 124 Decisiones en situacin de riesgo ................................................................ 125 Leccin 2: La empresa como sistema ............................................................. 126 Leccin 3: Modelo en prosa de caso de estudio .............................................. 128 Leccin 4: Modelo del caso ............................................................................. 130 Diagrama de influencias ............................................................................... 130 Diagrama de Forrester ................................................................................. 131 Ecuaciones del modelo ................................................................................ 132 Leccin 5: Simulaciones y toma de decisiones................................................ 134

Diseo de escenario .................................................................................... 134 Experimentacin Simulada........................................................................... 134 CAPTULO 8: CASO DE ESTUDIO .................................................................... 137 Introduccin ..................................................................................................... 137 Leccin 1: Los sistemas agroindustriales ........................................................ 138 Leccin 2: Visin sistmica de las cadenas productivas ................................. 140 Bases conceptuales ......................................................................................... 140 Leccin 3: Descripcin de la Cadena Productiva del Tabaco .......................... 142 Leccin 4: El diagrama de influencias y diagrama de Forrester de la cadena productiva del tabaco ....................................................................................... 144 Leccin 5: Experimentacin simulada, la cadena productiva del tabaco. ........ 147 CAPTULO 9: PERSPECTIVAS DE USO DE LA DINMICA DE SISTEMAS .... 150 Introduccin ..................................................................................................... 150 Leccin 1: Modelado en Ingeniera de Petrleos ............................................. 151 Produccin De Pozos Petroleros ................................................................. 151 Pensamiento Sistmico y Dinmica de sistemas ......................................... 152 Leccin 2: Modelado en Economa .................................................................. 153 El Aprendizaje De La Economa .................................................................. 153 Micromundos De Experimentacin Como Alternativa Para El Aprendizaje De Teoras Econmicas .................................................................................... 153 Leccin 3: Modelado en la Salud ..................................................................... 155 Cmo la dinmica de sistemas y los sistemas expertos pueden contribuir en la solucin del problema?............................................................................. 155 Leccin 4: Modelado en Pedagoga ................................................................ 156 La simulacin y su relacin con la pedagoga. ............................................. 156 Leccin 5: Modelado en Educacin Bsica ..................................................... 159 La Participacin Ciudadana como una Competencia Ciudadana ................ 159

LISTADO DE GRFICOS Y FIGURAS Figura 1 Figura 2 Figura 3 Figura 4 Figura 5 Figura 6 Figura 7 Figura 8 Figura 9 Figura 10 Figura 11 Figura 12 Figura 13 Figura 14 Figura 15 Figura 16 Figura 17 Figura 18 Figura 19 Figura 20 Figura 21 Figura 22 Figura 23 Figura 24 Figura 25 Figura 26 Figura 27 Figura 28 Figura 29 Figura 30 Figura 31 Figura 32 Figura 33 Figura 34 Figura 35 Figura 36 Figura 37 Figura 38 Figura 39 Figura 40 Figura 41 Figura 42 Figura 43 Figura 44 Figura 45 Representacin De La Metfora Deleuziana. Remolino De Agua. Ilustracin De La Peste En La Biblia De Toggenburg . El Tringulo De La Significacin Modelo Del Circuito Rlc. Modelo Y Pintor De George Owen Wynne Apperley. Modelo Y Realidad. Modelado Para El Aprendizaje. Modelado Para La Explicacin. Modelado Para La Intervencin Modelado De Rplica Modelado De Reconstruccin. Modelado De Construccin. Modo De Referencia Llenado Del Vaso. Variables En El Proceso De Llenado Del Vaso. Estructura Del Sistema. Diagrama De Influencias Estructura Y Comportamiento Ciclo De Realimentacin Positivo Estructura Y Comportamiento Ciclo De Realimentacin Positivo Estructura Y Comportamiento Ciclo De Realimentacin Negativo Ciclo De Realimentacin Negativo Ciclos Acoplados Comportamiento Ciclo Acoplado Crecimiento En S Retardos Flujo De Monedas Que Llena La Alcanca Smil Hidrodinmico Elementos Del Diagrama De Forrester En Distintos Software Diagrama De Forrester Diagrama De Forrester Diagrama De Forrester Relacin Entre Nivel Y Flujo Diagrama De Forrester Diagrama De Forrester Diagrama De Forrester Diagrama De Forrester Diagrama De Forrester Del Smil Hidrodinmico No Linealidad Multiplicador Retardo En Las Ventas Consecuencia Del Precio Ilustracin De Un Retardo Retardo De Orden Uno De Material Retardo De Orden Uno De Informacin Retardo De Orden Uno De Informacin 14 26 30 31 34 34 35 37 38 39 40 42 43 49 50 50 51 52 55 55 56 56 57 57 58 59 67 68 71 72 73 73 74 74 74 75 75 76 77 78 79 79 80 82 83

Figura 46 Modelo Presa Predador 85 Figura 47 Diagramas De Influencias Presa Predador 86 Figura 48 Nivel Y Flujos Asociados A Los Conejos 90 Figura 49 Modelo Presa - Predador 91 Figura 50 Modelo Presa Predador Con Variables Auxiliares 94 Figura 51 Modelo Presa Predador Con Retardo 95 Figura 52 Multiplicador 96 Figura 53 Modelo Presa Predador Con Retardo Y Multiplicador 97 Figura 54 Anlisis De Sensibilidad 107 Figura 55 Anlisis De Sensibilidad 107 Figura 56 Anlisis De Sensibilidad 108 Figura 57 Resultado Del Anlisis De Sensibilidad Escenario 1 108 Figura 58 Resultado Del Anlisis De Sensibilidad Escenario 2 109 Figura 59 Proceso De Modelado Segn Sterman 110 Figura 60 Proceso De Validacin De Un Modelo 113 Figura 61 Tabla Pronstico De Ventas 128 Figura 62 Diagrama De Influencias Del Caso De Estudio 130 Figura 63 Diagrama De Forrester Del Caso De Estudio 131 Figura 64 Escenario De Simulacin 134 Figura 65 Datos De La Simulacin Experimentada 135 Figura 66 Resultados De La Simulacin Experimenta 136 Figura 67 Sistema Agropecuario 139 Figura 68 Cadena Productiva Cadena De Textiles-Confecciones 141 Figura 69 Cadena Productiva Del Tabaco 142 Figura 70 Diagrama De Influencias De La Cadena Productiva Del Tabaco 144 Figura 71 La Poblacin Y La Demanda De Tabaco 145 Figura 72 La Siembra De Tabaco 145 Figura 73 Diagrama De Forrester Del Primer Prototipo De La Cadena Productiva Del Tabaco 146

UNIDAD 1 CONCEPTUALIZACIN SOBRE SISTEMAS Y MODELOS Nombre de la Unidad Introduccin Conceptualizacin de sistemas Esta unidad introduce el marco conceptual requerido para el desarrollo de la competencia modelstica, concentrado en la nocin ontolgica de sistema y modelo. Justificacin Una habilidad previa al modelamiento es la capacidad de representacin que puede ofrecer la teora general de sistemas. Esta unidad se concentra en definir claramente el aporte de la TGS, la ontologa, la epistemologa, etc. Intencionalidades Conceptualizacin sobre sistema, modelo y Formativas representacin Denominacin de Captulo 1: La Idea De Sistema captulos Captulo 2: El Modelado Captulo 3: Diagramas De Influencias

CAPTULO 1: LA IDEA DE SISTEMA

Introduccin Este captulo pretende re-introducir al estudiante en uno de los conceptos fundamentales para el modelado dinmico sistmico objeto de este curso. Las lecciones buscan poner de manifiesto las relaciones existentes entre el pensamiento mecanicista y el pensamiento sistmico y cmo se parte de los quiebres onto-epistemolgicos del primero para llegar al segundo. Al terminar este captulo el estudiante habr reelaborado el concepto de sistema necesario para la comprensin del mundo desde esa ptica y la subsecuente representacin de la misma mediante los tiles de la dinmica de sistemas y su posterior uso para el apoyo en la toma de decisiones. Leccin 1: Mquinas, Sistemas y Modelos Mquinas Desde que el hombre ha hecho uso consciente de la razn ha tratado de dominar las fuerzas de la naturaleza; en esta tarea ha aprendido a construir y utilizar artefactos ajenos a l. A continuacin se citan algunos ejemplos: en la lucha entre pueblos prehistricos, ya las armas rsticas eran comunes compuestas fundamentalmente por piedras y huesos. Luego aparecen los primeros esfuerzos por construir de diques y zanjas de irrigacin, usados para la agricultura, los que exigieron el uso de herramientas, tales como los arados y los azadones. La construccin de caminos lleg a ser un arte de gran desarrollo, durante la era del imperio Romano, esto se logr bsicamente como resultado del desarrollo de nuevas mquinas y tcnicas. Una mquina est compuesta de mecanismos los cuales se definen como un conjunto de elementos, que conectados entre s por medio de articulaciones mviles tienen la misin de transformar una velocidad en otra velocidad; una fuerza en otra fuerza; una trayectoria en otra diferente o un tipo de energa en otro tipo distinto. Segn el nmero de elementos, los mecanismos se pueden clasificar como simples, si tienen dos elementos de enlace o como complejos, si tienen ms de dos elementos de enlace. De lo anterior es posible definir un sistema mecnico o mquina como una combinacin de mecanismos que transforma velocidades, trayectorias, fuerzas o energas mediante una serie de transformaciones intermedias. Se invita al lector a comparar y establecer las similitudes entre la definicin de mquina y la definicin ms usual de sistema.

Las mquinas simples Muchas de las mquinas simples1 existen desde la antigedad, desde tiempos muy remotos el hombre ha buscado la manera de resolver los problemas que se le presentan. En las comunidades primitivas, los humanos se agrupaban para cazar y hacer actividades cada vez ms complicadas con ayuda de las mquinas simples. Se dividan el trabajo y los beneficios obtenidos eran para todos. Al organizarse, desarrollaron el lenguaje, lo que les sirvi para comunicarse mejor. Fue entonces cuando los grupos humanos inventaron mquinas simples, que funcionan como extensin de sus manos, uas y dientes: rocas afiladas, como cuchillos, instrumentos de madera para cavar, arpones con puntas agudas de hueso y muchas otras. Las cuatro mquinas simples desarrolladas por los hombres primitivos fueron la palanca, el plano inclinado, la polea y el tornillo. La palanca es una mquina simple formada por una barra rgida o indeformable, que gira sobre un punto de apoyo y sirve para vencer una fuerza grande mediante una fuerza aplicada mucho menor. El tornillo es un plano inclinado enrollado alrededor de un cilindro. El tornillo, algo ms que una mquina simple, fue uno de los inventos que hizo girar el rumbo de la humanidad, por muy pequeo e insignificante que parezca. El tornillo fue inventado por el griego Arquitas de Tarento, filsofo pitagrico. A l tambin se debe otro de los grandes inventos del hombre, la polea. El plano inclinado es una superficie plana que forma con otra un ngulo agudo. En la naturaleza aparece en forma de rampa, pero el ser humano lo ha adaptado a sus necesidades hacindolo mvil, como en el caso del hacha. El plano inclinado es el punto de partida de un nutrido grupo de operadores y mecanismos cuya utilidad tecnolgica es indiscutible. Sus principales aplicaciones son tres: Se emplea en forma de rampa para reducir el esfuerzo necesario para elevar una masa, en forma de hlice para convertir un movimiento giratorio en lineal y en forma de cua para apretar, cortar y separar o abrir. Las poleas son discos con una parte acanalada o garganta por la que se hace pasar un cable o cadena; giran alrededor de un eje central fijo y estn sostenidas por un soporte llamado armadura. Combinando varias mquinas simples se pueden obtener mquinas compuestas, como las que invent Leonardo Da Vinci. Es evidente que las mquinas simples se acoplan como partes que e interaccin mutua determinan mecanismos capaces de cumplir con un fin o propsito.

Material redactado teniendo como referencia bibliogrfica al texto mquinas simples disponible en lnea en: http://iesillue.educa.aragon.es/tecno/zonadescarga/maquinasimples.pdf

Sistemas Una de las definiciones clsicas de la idea de sistemas es la de un conjunto de partes en interaccin mutua con un fin o propsito, esta definicin muestra una clara relacin con la nocin preliminar de mquina. A partir del uso de la metfora de sistema para ver el mundo surge un tipo de pensamiento al que se le llama pensamiento sistmico, en lo que sigue se hace una breve reflexin sobre este tipo de pensamiento. Orgenes y perspectivas del pensamiento sistmico El pensamiento sistmico es un pensamiento impulsado continuamente por un afn holista. En el texto titulado pensamiento sistmico: diversidad en bsqueda de unidad, se hace una narrativa del mismo por parte del profesor Hernn Lpez Garay (2001), usando para ello la metfora deleuziana2 y mediante la cual se pretende dar cuenta del devenir del pensamiento sistmico a partir de un ejercicio sistmico, es decir, un ejercicio autorreferencial.

figura 1

Representacin de la Metfora Deleuziana3.

En primer instancia se parte del paradigma mecanicista, pues se considera que el pensamiento sistmico surge como reaccin a ste; posteriormente se hace un despliegue de las tres olas del pensamiento sistmico, mostrando para cada una de ellas los supuestos onto-epistemolgicos que la originan y los quiebres o fallas que dan paso a la nueva ola. El paradigma mecanicista parte del hecho de ver el mundo como si ste fuera una mquina, esto es, que se supone la realidad como compuesta por piezas bsicas o fundamentales que sostienen una interaccin mecnica para realizar alguna tarea. En el caso de la materia, las piezas que se consideran son los tomos, los protones, los electrones, etc., y su interaccin constituye la materia de la cual est hecho el mundo natural. Este paradigma considera que para conocer la realidad,
2 Metfora que ilustra una forma mediante la cual se puede contemplar el estado actual del pensamiento filosfico. Sera similar a la forma como se contemplara una formacin geolgica con los ojos de un gelogo, esto es, no solo se estara interesado en hacer mapas y clasificaciones de las rocas expuestas en la superficie de la tierra, sino tambin, en explicar el origen y la distribucin de las mismas. 3 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg

sta debe ser desmontada de la misma forma en que se procede a la hora de intentar conocer una mquina, es decir, desarmndola. Una vez analizada la mquina se procede a reunir todas sus partes, se ensambla y una vez logrado esto, ser posible explicar cmo funciona. El mecanicismo supone que la realidad es independiente del observador implicando, que ste no tiene acceso directo a ella y que entonces es necesaria la mediacin de los sentidos para poder atraparla. Esto, a su vez, implica concebir a la mente como un espejo, en el cual se refleje la realidad para que se produzca el conocer. Ahora bien, para que exista la objetividad, es necesario que el espejo est siempre limpio. Una manera de mantener la mente limpia es tratar de corregir las distorsiones que puedan causar los valores y las emociones, pero cmo hacer esto? Esta situacin posibilita el surgimiento de los quiebres del paradigma mecanicista que dan paso al paradigma sistmico y que segn la exposicin del profesor Lpez (2001), emergen de la incapacidad por parte del mecanicismo de resolver problemas asociados a las nociones de telos y propsito, al considraselas como ilusorias, mas sin embargo, cuesta trabajo desconocer que la accin humana es accin con sentido, con propsito. El pensamiento sistmico tiene como base fundamental la teora general de sistemas, en lo que sigue se hace una descripcin de la misma sin profundizar en demasa. La teora General de Sistemas El concepto de sistema4 es usado ampliamente para referirse a un sinnmero de cosas que van desde los sistemas sociales hasta los sistemas fsicos. Este concepto ha invadido todos los campos de la ciencia y ha penetrado en el pensamiento y el habla del comn y en los medios masivos de comunicacin. Las races de este proceso son complejas. Por un lado est el trnsito desde la ingeniera energtica -la liberacin de grandes cantidades de energa, as en las mquinas de vapor o elctricas- hasta la ingeniera de control, que dirige procesos mediante artefactos de baja energa y que ha conducido a las computadoras y la automacin, es decir, el paso del mecanicismo al sistemismo. Ante la situacin previamente descrita se hizo necesario desarrollar un enfoque de sistemas. Este enfoque propone que si se tiene un determinado objetivo, se deben encontrar o disear caminos o medios para alcanzarlo lo que requiere que el especialista en sistemas (o el equipo de especialistas) considere o disee soluciones posibles y elija las que prometen optimizacin, con mxima eficiencia y mnimo costo en una red de interacciones tremendamente compleja. De esto se desprende la necesidad de mquinas complejas con alta capacidad de cmputo, como las actuales computadoras, que demuestren capacidades ms all de los alcances propios de un matemtico.
4

Texto reconstruido a partir de material disponible en la web: http://www.docstoc.com/docs/57788698/tgsbertalanffy

La necesidad y factibilidad de un enfoque de sistemas no fue evidente hasta que se evidenciara que el pensamiento mecanicista de vas causases aislables resultaba insuficiente para enfrentarse a problemas tericos, especialmente en las ciencias biosociales, y a los problemas prcticos planteados por la tecnologa moderna. A principios de la tercera dcada del siglo XX, Ludwing von Bertalanffy (1930) se senta desconcertado ante vacos evidentes en la investigacin y la teora biolgicas. El enfoque mecanicista entonces imperante y que acaba de ser mencionado, pareca desdear, si no es que negar activamente, lo que es, ni ms ni menos, esencial en los fenmenos de la vida. Bertalanffy abog por una concepcin organsmica en biologa que hiciera hincapi en la consideracin del organismo como un todo o sistema y viese el objetivo principal de las ciencias biolgicas en el descubrimiento de los principios de organizacin a sus diversos niveles. En conexin con trabajos experimentales acerca del metabolismo y el crecimiento, por una parte, y con un esfuerzo por concretar el programa organsmico, por otra, fue adelantada la teora de los sistemas abiertos, fundada en el hecho bastante trivial de que el organismo resultaba ser uno de ellos. De estos estudios qued de manifiesto una generalizacin. En muchos fenmenos biolgicos, pero tambin de las ciencias sociales y del comportamiento, resultan aplicables las mismas expresiones y modelos matemticos. La similitud estructural entre semejantes modelos y su isomorfismo en diferentes campos se tomaron ostensibles, y en el centro quedaron precisamente problemas de orden, organizacin, totalidad, teleologa, etc., excluidos programticamente de la ciencia mecanicista. Tal fue, la idea de la teora general de los sistemas. Sistemas Abiertos y Cerrados La fsica ordinaria slo se ocupa de sistemas cerrados, de sistemas que se consideran aislados del medio circundante. La termodinmica declara que, en un sistema cerrado, cierta magnitud, la entropa, debe aumentar hasta el mximo, y el proceso acabar por detenerse en un estado de equilibrio. Puede formularse este principio de diferentes modos, segn uno de los cuales la entropa es medida de probabilidad, y as un sistema cerrado tiende al estado de distribucin ms probable. Hay sistemas que, por su misma naturaleza y definicin, no son sistemas cerrados; este es el caso de los organismos vivientes que son ante todo sistemas abiertos. Ellos se mantienen en continua incorporacin y eliminacin de materia, constituyendo y demoliendo componentes, sin alcanzar, mientras la vida dure, un estado de equilibrio qumico y termodinmico, sino mantenindose en un estado llamado uniforme que difiere de aqul. Tal es la esencia misma de ese fenmeno fundamental de la vida llamado metabolismo, los procesos qumicos dentro de las clulas vivas. Es obvio que las formulaciones habituales de la fsica no son en

principio aplicables al organismo vivo entendido como un sistema abierto y en estado uniforme, en consecuencia es posible atribuir muchas de las caractersticas de los sistemas vivos, que resultan paradjicas vistas segn las leyes de la fsica, a este este hecho particular. La TGS ha aclarado muchos fenmenos oscuros en fsica y biologa, y ha conducido asimismo a importantes conclusiones generales, de las cuales se mencionan dos. La primera es el principio de equifinalidad. En cualquier sistema cerrado, el estado final est inequvocamente determinado por las condiciones iniciales: p. ej., en un equilibrio qumico, las concentraciones finales de los compuestos reaccionantes depende naturalmente de las concentraciones iniciales. Si se alteran las condiciones iniciales o el proceso el estado final cambiar tambin. No ocurre lo mismo en los sistemas abiertos. En ellos puede alcanzarse el mismo estado final partiendo de diferentes condiciones iniciales y por diferentes caminos. Es lo que se llama equifinalidad, y tiene significacin para los fenmenos de la regulacin biolgica. La segunda es el aparente contraste entre la naturaleza inanimada y la animada es lo que fue descrito a veces como violenta contradiccin entre la ley de la disipacin en fsica y la ley de la evolucin en biologa. De acuerdo con el segundo principio de la termodinmica, la tendencia general de los acontecimientos en la naturaleza fsica apunta a estados de mximo desorden. En contraste, el mundo vivo exhibe, en el desarrollo embrionario y en la evolucin, una transicin hacia un orden superior, heterogeneidad y organizacin. En todos los procesos irreversibles la entropa debe aumentar. Por tanto, el cambio de entropa en sistemas cerrados es siempre positivo. En los sistemas abiertos, sin embargo, no slo se tiene produccin de entropa debida a procesos irreversibles, sino tambin entrada de negentropa (entropa negativa o informacin). Tal es el caso en el organismo vivo, que importa complejas molculas ricas en energa libre. As, los sistemas vivos, mantenindose en estado uniforme, logran evitar el aumento de entropa y hasta pueden desarrollarse hacia estados de orden y organizacin crecientes. Hay un fenmeno importante relacionado con los sistemas, la realimentacin. sta es la propiedad en virtud de la cual las entradas de un sistema provocan salidas que luego se convierten en nuevas entradas cerrando un ciclo. Hay algunos ejemplos en la naturaleza, por ejemplo la homeostasis. El enfriamiento de la sangre estimula ciertos centros cerebrales que echan a andar los mecanismos productores de calor del cuerpo, y la temperatura de ste es registrada a su vez por aquellos centros, de manera que la temperatura es mantenida a nivel constante. Existen en el cuerpo mecanismos homeostticos anlogos que preservan la constancia de gran nmero de variables fisicoqumicas. Para terminar esta leccin hay que hacer notar que una caracterstica de la ciencia moderna, el esquema de unidades aislables actuantes segn causalidad unidireccional, result insuficiente. De ah la aparicin, en todos los campos de la ciencia, de nociones como las de totalidad, holismo, organismo, Gestalt, etc., que

vienen a significar todas, en ltima instancia, que se debe pensar en trminos de sistemas de elementos en interaccin mutua, es decir, en trminos de sistemas. Anlogamente, las nociones de teleologa y directividad parecan caer fuera del alcance de la ciencia y ser escenario de misteriosos agentes sobrenaturales o antropomorfos, o bien, tratarse de un seudo-problema, intrnsecamente ajeno a la ciencia, mera proyeccin mal puesta de la mente del observador en una naturaleza gobernada por leyes sin propsito. Con todo, tales aspectos existen, y no puede concebirse un organismo sin tener en cuenta lo que, variada y bastante vagamente, se llama adaptabilidad, intencionalidad, persecucin de metas y cosas semejantes. Caracterstico del presente punto de vista es que estos aspectos sean tomados en serio, como problemas legtimos para la ciencia; y tambin se est en condiciones de procurar modelos que simulen tal comportamiento. Modelos Esta parte de la leccin est destinada a ilustrar algunas caractersticas iniciales acerca del modelado estructural, propio de la dinmica de sistemas, para hacer representaciones de diferentes tipos de fenmenos. Inicialmente procede indicar por qu se da en llamar a este tipo de modelado estructural y posteriormente se hace una breve descripcin del modelado funcional para que el lector haga sus inferencias. Se dice que es modelado estructural pues todo el inters del modelador se concentra en describir la estructura que gobierna el fenmeno, estructura que se determina a partir de las partes que integran el fenmeno, sobre el supuesto ontolgico de que dicho fenmeno puede ser entendido como si fuera un sistema, en el mismo sentido que fuera definido anteriormente. En una cierta oposicin al modelado estructural est el modelado funcional en el que el principal inters del modelador consiste en encontrar una funcin que describa la diada entrada-salida de un sistema, pero asumiendo el sistema como una caja negra. Este tipo de modelado es soportado por la estadstica y en l los datos son muy importantes; un ejemplo claro de este tipo de modelado es la Econometra. En el captulo dos se retoman estas ideas y se amplan con el propsito de que sea el fundamento conceptual necesario para el proceso de modelado sea exitoso.

Leccin 2: La Ciberntica A la par que se desarrollaba Teora General de Sistemas surge la Ciberntica de Norbert Wiener en el ao de 1948 como resultado de los adelantos entonces recientes en la tecnologa de las computadoras, la teora de la informacin y las mquinas autorreguladas. Otra vez se dio una coincidencia importante pues aparecieron casi al mismo tiempo tres contribuciones fundamentales, la Ciberntica de Wiener5 (1948), la Teora de la informacin de Shannon6 (1948) y la Teora de los juegos de von Neumann y Morgenstern7 (1944). Wiener llev los conceptos de ciberntica, realimentacin e informacin mucho ms all de los campos de la tecnologa, y los generaliz en los dominios biolgico y social. El concepto de homeostasia debido a Cannon8 fue piedra angular en estas consideraciones. La enorme popularidad de la ciberntica en la ciencia, la tecnologa y la publicidad general se debe a Wiener, con su proclamacin de la Segunda Revolucin Industrial. Si bien la teora de la informacin y la teora de juegos era importante, el proyecto que mayor repercusin iba a tener en el desarrollo de la ciberntica fue emprendido por Wiener casi inmediatamente despus de comenzada la segunda guerra mundial con el fin de proceder al perfeccionamiento de la artillera antiarea. De all surgen los siguientes razonamientos. El primero, referido a la absoluta precisin que ha de llevar el proyectil para dar en el blanco, establece que predecir el futuro de una curva [en este caso, la de un aeroplano a gran velocidad] implica resolver una cierta operacin sobre su pasado; el segundo alude al control humano de la mquina (aeroplano), es decir, los movimientos y caractersticas de la actuacin del piloto, ya que este conocimiento es tambin determinante para solucionar el problema de que el proyectil alcance el blanco. Sobre esta segunda cuestin, Wiener concluye que un factor extremadamente importante en la actividad voluntaria [del piloto] es lo que los ingenieros de control denominan regenerador. La idea aqu clave es que cuando se desea un movimiento para seguir un modelo dado, la diferencia entre ese modelo y el movimiento llevado a cabo, de hecho se utiliza como una nueva entrada para hacer que la parte regulada se mueva en tal direccin que realice su movimiento ms cerca al dado por el modelo, esto es, la realimentacin.. Junto a este concepto de regenerador, Wiener tambin se refiere a otras dos ideas fundamentales que aparecen en sus investigaciones sobre ingeniera del avin: la idea de mensaje y la de cantidad de informacin. La primera, seala que en la comunicacin sobre ingeniera del avin se hizo claro que los problemas de ingeniera de control y de ingeniera de comunicacin eran
5 Cybernetics or Control and Communication in the Animal and the Machine. Norbert Wiener. New York: John Wiley & Sons, Inc., 1948. 194 pp 6 Shannon, C.E. (1948), "A Mathematical Theory of Communication", Bell System Technical Journal, 27, pp. 379423 & 623656, July & October, 1948. 7 John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944). 8 Walter Cannon, Organization for Physiological Homeostasis, Physiological Reviews, 9 (1929): 399 427.

inseparables y que se centraban no sobre la tcnica de ingeniera elctrica sino sobre la nocin mucho ms fundamental del mensaje, ya fuera transmitido por medios elctricos y mecnicos o nerviosos. La otra nocin, la de cantidad de informacin es importante en la moderna teora de las comunicaciones. El avance de la ingeniera de la comunicacin supuso necesariamente el desarrollo de una teora estadstica de la cantidad de informacin, en la que la cantidad y unidad de informacin era aquella transmitida como una sola decisin entre alternativas igualmente probables. Es en este contexto en el que la Teora General de Sistemas suele ser frecuentemente identificada con la ciberntica y la teora del control, pero esto es incorrecto. La ciberntica, como teora de los mecanismos de control en la tecnologa y la naturaleza, fundada en los conceptos de informacin y realimentacin, no es sino parte de una Teora General de Sistemas; los sistemas cibernticos son un caso especial de los sistemas que exhiben autorregulacin. La Ciberntica, en consecuencia, es una teora de los sistemas de control basada en la comunicacin (transferencia de informacin) entre sistema y medio circundante, y dentro del sistema, y en el control (realimentacin) del funcionamiento del sistema en consideracin al medio. Segn ha mencionado el modelo tiene extensa aplicacin pero no ha de identificarse con la Teora General de Sistemas en general. En biologa y otras ciencias bsicas, el modelo ciberntico conviene para describir la estructura formal de mecanismos de regulacin, p. ej. Mediante diagramas de niveles y de flujo. As se logra reconocer la estructura reguladora aun cuando los genuinos mecanismos permanezcan desconocidos y sin describir, y el sistema sea una caja negra definida slo por entradas y salidas. Por razones parecidas, el mismo esquema ciberntico puede aplicarse a sistemas hidrulicos, elctricos, fisiolgicos, etc. En el primer captulo del libro Ciberntica, referente al problema del tiempo en relacin con la ingeniera de la comunicacin, Wiener hace una interesante consideracin de carcter filosfico. La cuestin central es la de la reversibilidad e irreversibilidad del tiempo. En la mecnica de Newton el tiempo es reversible. Esto significa que las leyes fundamentales de esta mecnica permanecan inalterables por la transformacin de la variable de tiempo t en su negativo. Los campos de aplicacin de la ciberntica Algunos de los campos ms destacados en los que la ciberntica tiene, o puede tener en el futuro, importantes aplicaciones prcticas, son las prtesis en miembros amputados o paralizados, la construccin de robots y mquinas artificiales, la de mquinas diseadas para realizar diagnsticos mdicos y las mquinas de traducir. Pero va a ser en el campo de las ciencias humanas, principalmente en la sociologa y en la economa, donde desde muy pronto se pretender que incida la

ciberntica, a fin de paliar o resolver los agudsimos problemas sociales y econmicos de esta poca. Amparndose en la importancia de la nocin y tcnica de la comunicacin en el sistema social, as como en los trabajos de Von Neumann y Morgenstern sobre la teora de los juegos, los antroplogos doctores Gregory Bateson y Margaret Mead insistieron a Wiener para que dedicase una gran parte de sus energas a discutir la relacin de la ciberntica con el conjunto social, a fin de paliar los problemas sociolgicos y econmicos de la presente era de confusin.

Leccin 3: El Concepto de Sistema Existe una amplia gama de definiciones para el concepto de sistema. Una definicin genrica de sistema es la proporcionada por Bertalanffy (1976) quien lo define como un complejo de elementos interactuantes. Otra definicin de sistema, la proporciona McLeod (2000) afirmando que un sistema es un grupo de elementos que se integran con el propsito comn de lograr un objetivo. Para OBrien (1993) la idea de sistema se puede formular como sigue: grupo de componentes interrelacionados que trabajan juntos hacia un fin comn, aceptando inputs y produciendo outputs en un proceso de transformacin organizado. En Murdic (1988) se propone que sistema es un conjunto de elementos organizados que se encuentran en interaccin, que buscan alguna meta o metas comunes, operando para ello sobre datos o informacin sobre energa o materia u organismos en una referencia temporal para producir como salida informacin o energa o materia u organismos. De la racionalizacin de las definiciones previas se deducen las siguientes consideraciones: Un sistema es un conjunto de elementos organizados que interactan entres s, esta interaccin entre los elementos es vital para que un conjunto de partes pueda ser considerada como si fuera un sistema. En oposicin un conjunto de elementos sin interaccin entre ellos no puede ser visto como un sistema, al menos para los propsitos de este curso. Para que algo pueda ser visto como si fuera un sistema es claro que no debe ser la simple suma de sus partes. La idea de sistema presupone metas y objetivos, adems de la interaccin entre elementos, stos deben tener un objetivo, compartido o no. Los fenmenos que son vistos como sistemas tendrn entradas y salidas, tomando las entradas, procesndolas y generando una o varias salidas. Se cita a continuacin algunos ejemplos de cosas a las que se les puede denominar como sistemas, para continuar ilustrando el concepto. En primer lugar, un sistema por antonomasia: el sistema solar; en este caso los elementos que lo componen pueden ser considerados, a su vez, sistemas: planetas y satlites, estrellas, etc. Otro ejemplo de sistema, de distinta naturaleza es una central nuclear; en ella los elementos interactan entre s con la meta final de obtener energa. Un tercer ejemplo de sistema que podemos citar es una computadora, cuyos componentes interactan entre s con objeto de facilitar el trabajo de las personas. Otro ejemplo tpico de sistema es la universidad, en cuyo seno se pueden distinguir grupos que pueden tener, a su vez, la consideracin de sistemas. Un ltimo ejemplo de sistema puede ser el constituido por una empresa de venta de muebles, en el que se pueden distinguir diferentes elementos, cada uno de los cuales tiene sus propios objetivos que pueden, en ocasiones, entrar en conflicto con los objetivos de otros elementos del mismo

sistema. Ntese que algunas veces el concepto de sistema va entre comillas, con ello se quiere significar que los sistemas, como las cosas, no tienen existencia propia, pues son ideas, ideas que al igual que los nmeros usamos para tener un referente para comunicarnos. Es claro que es posible ver un dos o un tres, slo se usan esas nociones para decir, por ejemplo, 2+3 = 5, lo que s hay son dos rboles o tres vehculos. Se podra seguir proponiendo ejemplos sin temor a que se agoten, pero los anteriores son, por el momento, suficientes para apreciar la gran disparidad de cosas a las que podemos llamar sistema. Sin embargo, la esencia bsica en todas esas cosas es la misma: todas estn compuestos por partes que se inter relacionan.

Leccin 4: El Pensamiento de Sistemas Esta leccin tiene como propsito hacer un recorrido sobre las diferentes nociones sobre el pensamiento sistmico teniendo como punto de partida el pensamiento ciberntico. La crisis del modelo tradicional de la ciencia, el paradigma mecanicista, da paso a la primera ola del pensamiento sistmico, denominada paradigma ciberntico que consista en una especie de lectura mecanicista del organismo, el cual tomaba como objeto de estudio los sistemas de control y autocontrol tanto en organismos como en mquinas, poniendo de manifiesto que la premisa fundamental del mecanicismo se mantiene, es decir, que se sigue asumiendo que la realidad es independiente del observador y que la mente es un espejo que debe mantenerse limpio. En este paradigma se asume que la realidad est formada por sistemas, compuestos de estructura o configuraciones bsicas que les permiten cumplir con sus fines o funciones. En este orden de ideas, los fenmenos pueden ser explicados en su comportamiento a partir de la configuracin de sus estructuras, enfoque que tambin es llamado estructuralista. Una de las preguntas que pueden surgir en el paradigma ciberntico es precisamente la que indaga por el cmo identificar algo como sistema; se debe recordar que se ha dicho que en este paradigma la realidad est compuesta por sistemas; adems asociada a esta pregunta surge la de cmo se determinan los lmites del sistema. Es posible intentar resolver estas preguntas indagando por los fines del sistema, pero esto trae como inconveniente el que no es posible hacerlo de manera objetiva, pues no se puede describir un sistema independienteme nte de los puntos de vista de cada quien, esto quiere decir segn el profesor Lpez (2001), que la descripcin incluye al que describe. Ante esta imposibilidad por definir objetivamente los lmites del sistema, el paradigma ciberntico se encuentra ante hechos que es incapaz de explicar, es decir, aparece un quiebre o falla que posibilita el que emerja un nuevo paradigma. ste es el paradigma perspectivista, en el que se puede identificar dos ideas claves que se originan a partir de la problemtica de la relacin sistema objeto de estudio y observador, la idea de perspectiva y la idea de construccin de la realidad. La primera de ellas, el perspectivismo, supone que las cosas se presentan segn la perspectiva del observador, es decir, que la realidad no se presenta independiente del observador y su punto de vista. A si mismo aparece otro supuesto que indica que una sola perspectiva no agota la realidad del objeto, esto quiere decir que cada perspectiva solo abre un aspecto especfico de la realidad. Ante esta situacin puede aparecer como pertinente la siguiente pregunta: Cmo se podra saber cundo una perspectiva no es buena y por lo tanto los conocimientos que se obtienen no sean verdaderos? Podra decirse, segn Lpez Garay, que se debera contrastar los resultados con los hechos; pero a su vez esto traera como problema el que se debera elaborar una perspectiva neutra o perspectiva de perspectivas, pero a su vez este hecho entra en contradiccin con los supuestos iniciales del paradigma perspectivista. La segunda

idea resulta en el paradigma constructivista y puede ayudar a responder la pregunta que se aparece en el paradigma perspectivista. La respuesta comienza por aceptar que el conocimiento que se tiene del mundo, siempre va a estar ligado a la perspectiva de la cual proviene y en consecuencia se debe aceptar que no existe cosa alguna como la realidad absoluta e independiente del observador, esto es, que como observadores se contribuye en la construccin de la realidad que es percibida. Los abanderados de esta propuesta son los profesores chilenos Humberto Maturana y Francisco Varela (1984), quienes plantean que la existencia de una realidad depende de las operaciones de distincin que se hacen el lenguaje, por ello de algn modo el observador y lo observado se constituyen mutuamente. En la medida en que es posible existir en diferentes dominios de descripciones, cada uno con criterios de validacin propios, se tendr que hablar de mltiples realidades y no de una sola. Debe quedar claro que a diferencia del perspectivismo, en donde se tienen diferentes perspectivas de una misma realidad, lo que plantea Maturana (1997) es que existen mltiples realidades o multiversos. Si todos no pueden acudir a la misma realidad, cmo se puede asegurar algo sobre la verdad o validez de cada descripcin? Esta validez se da en la confrontacin con los otros, es decir, que sta se da en el lenguaje, lo cual implica que haya un consenso, a partir de la coordinacin de coordinacin de acciones en un espacio o dominio comn de experiencia. Ante este panorama en que se tiene, que por un lado la realidad existe independiente del observador y por otro, que la realidad es mera construccin conversacional del hombre aparece el paradigma holista fenomenolgico. El problema que subyace a estos dos extremos consiste en que la separacin entre sujeto y objeto no es posible sostenerla intocable ni siquiera en la fsica y de otra parte la posibilidad de que el mundo sea solamente creacin conversacional, hay que descartarla si por ello se entiende la sola construccin mental de los agentes que conversan. La respuesta que la tercera ola plantea es, segn el profesor Lpez (2001), qu tal si el manifestarse de las cosas es primario a cualquier divisin mente-objeto, sujeto-objeto?, esto es, que las cosas son, pero son con nosotros, es decir, que las cosas son en su relacin con nosotros, al presentarse en un fondo con el cual forman una unidad. Para este paradigma sistmico emergente desaparece la nocin de cosa como objeto fijo y cobra predominancia los eventos fundadores de las cosas y el continuo devenir de la existencia, el flujo del mundo. En sntesis, todo lo que es va precedido de un evento fundador, se da siempre en un fondo y es un continuo siendo. Una metfora que explica estas ideas es el remolino de agua.

figura 2

Remolino de agua9.

Finalmente, comenta el profesor Lpez (2001), aparece la intencionalidad como la fuerza que continuamente trae a presencia todo lo que es, desplegndolo en el abierto que somos y al mismo tiempo haciendo presente nuestra presencia. Con esto se termina esta breve presentacin de lo que ha sido el desplegar del paisaje del pensamiento sistmico. Para una mayor descripcin del mismo se invita al lector a revisar el libro Pensamiento Sistmico, diversidad en bsqueda de unidad, ediciones UIS 2001.

9 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg

Leccin 5: Perspectivas del Pensamiento de Sistemas En 1947 Bertalanffy (1979) afirmaba: existen modelos, principios y leyes aplicables a sistemas generalizados o a subclases suyas independientemente de su naturaleza, del carcter de los elementos componentes y de las relaciones o "fuerzas" existentes entre ellos. Esta Teora General de Sistemas surge, segn Bertalanffy, de las siguientes consideraciones que son citadas por Javier Aracil (1987). Existe una tendencia general hacia la integracin en todas las ciencias, tanto naturales como sociales; Esta integracin puede centrarse en una teora general de sistemas; Esta teora puede ser un medio importante para conseguir una teora exacta en los campos no fsicos de la ciencia; Esta teora conduce a la unidad de la ciencia, al desarrollar principios unificadores que integran, verticalmente, el universo de las ciencias individuales; Todo ello puede conducir a una integracin, ampliamente necesitada, en la educacin cientfica.

Sobre los anteriores puntos Bertalanffy intent construir una meta-teora de alto nivel sobre sistemas. En 1955 se anuncia la creacin de la Sociedad para el Progreso en Teora General de Sistemas. El propsito de sta era la promocin de "sistemas tericos aplicables a ms de un campo de los tradicionalmente considerados en la ciencia". En Checkland (1981) se mencionan sus objetivos. Investigar el isomorfismo de conceptos, leyes y modelos en varios campos y facilitar la transferencia de conocimientos de un campo a otro; Promover el desarrollo de modelos tericos adecuados en las reas que carezcan de ellos; Suprimir la duplicacin de esfuerzos tericos en diferentes campos; Promover la unidad de la ciencia a travs de la mejora de las comunicaciones entre especialistas.

Para los seguidores de Bertalanffy la Teora General de Sistemas es, en ltima instancia, una perspectiva o paradigma nuevo, una nueva forma de hacer ciencia, incluso van ms all al considerar que ms que una teora, en el sentido tradicional del trmino, es un paradigma para desarrollar teoras y sntesis transdisciplinarias. En cuanto al enfoque sistmico, se trata ms de una forma de interpretacin, de una herramienta, que de una disciplina cientfica. No se propone como un nuevo paradigma cientfico aunque se reconoce la importancia de este nuevo punto de vista. Para la mayora de los pensadores sistmicos es una herramienta conceptual que permite manejar realidades complejas y que adems es un reflejo de esa realidad. Otra cosa es que se disponga de mtodos genricamente vlidos

para tratar con los sistemas o que se haya alcanzado un grado de formalizacin aceptable. Para terminar este apartado se puede citar al economista Herbert Simon (1967), quien resume muy bien el papel que juega el enfoque sistmico: "su popularidad es ms la respuesta a una acuciante necesidad de sintetizar y analizar la complejidad que el desarrollo de un cuerpo de conocimientos y tcnicas para tratar la complejidad".

CAPTULO 2: EL MODELADO

Introduccin Esta parte del captulo 2 estar destinada a la revisin del concepto de modelo procurando dejar claras las diferencias que se dan entre entender modelo como gua y modelo como representacin, sta es una diferencia clave a la hora de abordar el proceso formal de modelado. El modelado es bsicamente una actividad que mediante un procedimiento y el conocimiento de una tcnica permite construir representaciones del mundo. Generalmente se modelan problemas pues el propsito del modelado es conocer su estructura de tal forma que sea posible disear estrategias de intervencin que lleven de la situacin actual (situacin problmica) a una situacin deseada.

Leccin 1: La Dinmica del Ser al Existir Esta leccin tiene como propsito que el lector haga una aproximacin a la manera en que se generan los conceptos a partir de los procesos de connotacin y denotacin que se dan entre la cosa observada y el observador. Este apartado toma como gua el trabajo del Dr. Luis Facundo Maldonado y el MsC. David Macas, titulado, el universo de las competencias en el aprendizaje. Los autores proponen como supuesto ontolgico el hecho de que hay un universo de entidades independiente del proceso de conocimiento humano. Para contextualizar la idea usan el ejemplo de la llamada Peste Negra, la cual hizo estragos en la poblacin de Europa y Asia en el Siglo XIV; algo similar sucedi con la Gripe en los aos 30 del siglo XX. Los autores indican que detrs de los dos fenmenos hubo microorganismos responsables de las enfermedades, sin embargo, para esa poca, estos agentes eran desconocidos. Eran, pero no existan. Estaban actuando, pero no haba persona alguna que los hubiera identificado representado objetivamente. Se necesit desarrollar un sistema conceptual y dispositivos tecnolgicos, como el microscopio y los reactivos qumicos, para poder identificar a estos seres minsculos capaces de invadir a los organismos humanos y provocar su muerte. En este momento estos microorganismos existen para los expertos. Otros microorganismos an no existen, es decir no han sido descubiertos.

figura 3

Ilustracin de la Peste en la Biblia de Toggenburg 10.

Siguiendo con la lgica planteada por Maldonado y Macas el existir implica el ser y el conocimiento de ese ser. El existir, en consecuencia, es una forma de relacin entre entidades y los agentes que las pueden conocer. Las entidades son y,
10 Imagen tomada de http://www.esacademic.com/dic.nsf/eswiki/540575

cuando alguien las conoce, existen para ese alguien. El avance de la investigacin y del conocimiento se da en la medida en que las entidades pasan del universo del ser al universo del existir. A continuacin los autores referenciados exponen el proceso de transicin de una entidad del universo del ser al universo del existir. Cuando hay algn contacto entre la entidad (fenmeno) y el sistema perceptivo del agente cognoscente, ste genera nombres para el fenmeno. Dado que el cognoscente es un sistema con memoria, cuando, en el futuro aparece el nombre, ste suscita el recuerdo o imagen mental del fenmeno; y cuando aparece nuevamente la entidad, se suscita el recuerdo del nombre. Hay una relacin entre la representacin mental concepto -, el objeto y el nombre. Aristteles denomin a esta relacin, el tringulo de la significacin, ver la figura 4.

figura 4

El tringulo de la significacin

Por ejemplo, el nombre casa es el significante, es decir, la manera fontica. Cuando se escucha el nombre, pasan dos cosas en el cerebro: viene a la persona el significado de ese nombre, que para el caso es un lugar para vivir y tambin recrea una imagen mental del nombre y del concepto, que es la imagen de una casa (objeto), muy seguramente la que conozca la persona. Los nombres tienen como referente la entidad manifestada al cognoscente o fenmeno, en un contexto. Se habla de denotacin para indicar la relacin del nombre con la entidad y de connotacin para indicar la relacin de la entidad con el contexto donde aparece, y a la forma como podemos entrar en contacto con la entidad. El contexto de una entidad son otras entidades y fenmenos asociados a ellas. El proceso de conocer necesariamente involucra un proceso de diferenciacin progresiva, de tal manera que, en la medida en que suceden contactos entre la

entidad y el cognoscente, las dimensiones denotacin y connotacin se hacen ms evidentes. Los nombres en cuanto denotan y connotan entidades y contextos, forman las categoras. El nombre responde a una representacin mental, soportada por una estructura neuronal interna, que naturalmente tiene un sistema de rasgos de una entidad como referente y que se forma como resultado de las veces en que las entidades son reconocidas como de la misma clase y se diferencian de los contextos asociados y las condiciones de observacin. Por tanto, la representacin que externamente aparece como un nombre y neurolgicamente se muestra como una estructura- patrn de reconocimiento -, constituye el concepto. El nombre y el concepto van fuertemente asociados. Puede haber varios nombres que corresponden a la misma representacin o concepto. Un ejemplo ilustrativo es el de las palabras de diferentes idiomas para el mismo concepto. El concepto es la base comn en las traducciones de un idioma a otro. Normalmente, si un cientfico descubre una entidad, trata de repetir observaciones de la misma, generando variaciones en los contextos para consolidar la diferenciacin del concepto. Como resultado, la representacin se generaliza identificando los rasgos fundamentales que se preservan en los diferentes contextos e identifica las formas de observacin y, en algunos casos, formas de medida. La ltima dimensin es muy importante en las prcticas cientficas. Un concepto, por tanto, denota un tipo de entidades, abstrae caractersticas hasta quedarse con las que considera fundamentales, y asocia dimensiones operacionales para relacionarse con las entidades que denota. Estas tres dimensiones constituyen el significado del concepto. Los planteamientos de Maldonado y Macas resultan de capital importancia pues es a partir de ellos que se inicia todo proceso de modelado, es decir, no se puede iniciar el proceso en s mismo si el fenmeno no existe para el modelador.

Leccin 2: La idea de Modelo Modelo y modelado Para efectos de un mejor entendimiento de este texto es pertinente hacer claridad sobre algunos conceptos que se manejarn en adelante con el sentido que seguidamente se expone. Se definir inicialmente la idea de modelo y para ello se recurrir a algunos autores. Por ejemplo, Mario Bunge (1985), define modelo como cualquier representacin esquemtica de un objeto. Otro autor que puede aportar en la definicin de modelo es Peter Checkland (1992) para quien modelo es una construccin intelectual y descriptiva de una entidad en la cual al menos un observador tiene un inters. Segn se puede apreciar es posible identificar dos posiciones ontolgicas bien definidas; de una parte una posicin fenomenolgica en la cual se puede ubicar la definicin de Checkland y una positivista en la cual se puede encuadrar la definicin de Mario Bunge11. Por tanto es importante, que al hablar de modelos, se declare formalmente cules son las posturas ontolgicas en las cules est ubicado el modelador, pues dependiendo de stas la idea de modelo puede tomar rumbos incluso hasta contrarios. Lo anterior se recrea en las siguientes definiciones de modelo, que parafraseando a Jess Mosterin (1984) seran: aquello que sirve para representar o aquello que sirve para ser representado. Se sugiere revisar la figura 7. En la leccin que sigue se hace una mayor definicin de lo que se entiende por estas dos acepciones del concepto modelo.

11 Una posicin ontolgica fenomenolgica es aquella que se caracteriza por un afn en conceder ms importancia a los procesos de construccin mental de los observadores, que al mundo externo; y a su vez, en una posicin ontolgica positivista, el afn est en conceder primordialmente atencin al mundo externo como dado, el cual puede ser conocido fundamentalmente mediante la evidencia experimental.

Leccin 3: Modelo: para Representar o para ser Representado En lo que sigue se presenta un dibujo que ilustra la idea de modelo como aquello que sirve para representar; en l la ecuacin diferencial (A) es el modelo del grfico del circuito (B) y ste a su vez es el modelo del circuito real (C). Incluso se puede afirmar tambin que A es el modelo de C, es decir, que A representa a C. Ntese que en este caso el modelo es posterior a la realidad modelada.

figura 5

Modelo del circuito RLC12.

La siguiente pintura ilustra el caso tpico en que el pintor se sirve de una modelo para realizar su obra de arte. En este caso la mujer es el modelo que servir para ser representado en la pintura; como se puede deducir, el modelo (la mujer) es primero en el tiempo.

figura 6

Modelo y Pintor de George Owen Wynne Apperley13.

12 Imgenes tomadas de la Internet 13 Imgenes tomadas de http://www.culturandalucia.com/pintor_y_modelo.jpg

Ahora se invita al lector para que observe detenidamente la siguiente grfica, en ella se muestra un cono de la ciudad de Paris, adems de exponer una serie de representaciones, todas ellas sobre la famosa torre Eiffel. Se expone de nuevo las definiciones expuestas por Mosterin: Modelo como aquello que sirve para representar y Modelo como aquello que sirve para ser representado.

figura 7

Modelo y Realidad14.

Se espera que luego de haber observado detalladamente la figura 7 el lector est en capacidad de dar respuesta las siguientes preguntas: qu es modelo de qu?, qu cosa es realidad, el plano, la maqueta, la torre o el sndwich?, se podra acaso afirmar que la maqueta es un modelo en tanto que sta sirvi para ser representada en la torre o que el sndwich es un modelo porque sirve para representar la torre? Se espera que el lector pueda, de manera consciente, dar respuesta a estos interrogantes. Continuando con la figura 7 es vlido reflexionar con respecto al sentido de la lnea del tiempo al momento de definir algo como modelo, pues en ocasiones el modelo es antes que lo que representa y en otras tantas es posterior a lo representado, esto dependiendo de lo que se asuma como modelo. En Dinmica de Sistemas es claro que la idea de modelo que interesa es aquella en la que el modelo representa la cosa modelada y que ste servir a quien hace la representacin para responderse preguntas acerca de la cosa representada. En este orden de ideas modelo, segn Pineda (2005), podra definirse como aquella representacin que un observador construye a partir de su propia o ajena percepcin de lo real y que posteriormente usar segn sus propsitos. sta definicin plantea de inmediato el problema de definir otros conceptos como: representar, observador, lo real y propsito. Se deja esto como tarea para que los estudiantes la realicen en sus momentos de ocio.

14 Imgenes tomadas de la Internet

Leccin 4: Modelado Segn su Uso Segn sea el resultado esperado, a partir del uso que el modelador haga del modelo, se puede entonces determinar una clasificacin15 del proceso de modelado. Si el principal inters radica en el entendimiento del fenmeno para quien realiza el modelado, se puede aseverar entonces que se trata de un modelado para el aprendizaje; pero si el modelado se realiza con la pretensin de que el modelo resultante sirva para dar cuenta a otros del fenmeno, entonces se estara hablando de un modelado para la explicacin; y en tercera instancia si no solo se desea aprender o explicar, sino que la intencin central consiste en tener un referente (en el modelo) sobre el fenmeno para posteriormente realizar en l (lo real) una accin con un propsito especfico, se estara hablando de un modelado para la intervencin. En los prrafos siguientes se har una descripcin ms detallada de cada una de dichas opciones de modelado. Modelado Para El Aprendizaje Segn el diccionario de la RAE, aprender es adquirir el conocimiento de algo por medio del estudio o de la experiencia. Considerando la anterior definicin y teniendo en cuenta lo que implica el proceso de modelado en el modelador, es posible considerar que ste llega a construir conocimiento sobre lo modelado; de no ser as, no sera posible la realizacin del modelo, puesto que dicho modelo viene siendo la representacin del fenmeno. En la figura 8 se ilustra la forma como, mediante el proceso de modelado, se puede llegar a generar aprendizaje en el modelador. Tambin se puede apreciar que el punto de partida viene siendo la observacin de lo real. Aqu lo real subyace a la idea segn la cual se asume la existencia de un universo 16 y es por ello que se puede hablar de lo real como algo nico de lo cual cada quien tiene una percepcin. Segn Parra y Andrade (2002), dicha percepcin presupone entonces que no se tiene una anteojera especial que le permita a cada observador percibir lo real de la misma manera y el hecho de llegar a reconocer dicha situacin sienta las bases para que se pueda dar el reconocimiento de las diferentes perspectivas y en consecuencia que se d el reconocimiento de la perspectiva del otro. Se debe considerar tambin que la percepcin que tiene el modelador de lo real, es decir la realidad por l percibida, es posible que la adquiera ya sea por su propia capacidad de observacin, o haciendo uso de la capacidad de otros, es decir, usando las teoras que tambin son una interpretacin consensuada y ampliamente aceptada de lo que aqu se ha dado en llamar como lo real. Luego
15 Esta clasificacin resulta de un proceso reflexivo en torno a la praxis de modelado realizado en el grupo Simon de investigaciones de la UIS, orientado especialmente por el profesor Hugo Hernando Andrade Sosa. 16 Para un mayor detalle consultar el texto La objetividad, un argumento para obligar escrito por el doctor Humberto Maturana..

que se ha percibido lo real, esta percepcin se aloja en la mente del modelador en la forma de un modelo mental que, segn Peter Senge (1999), son supuestos hondamente arraigados, generalizaciones e imgenes que influyen sobre nuestro modo de comprender el mundo y actuar. Tales modelos mentales se convierten entonces en las representaciones que cada modelador tiene de su propia percepcin de lo real.

figura 8

Modelado para el aprendizaje.

Segn se aprecia en la figura 8 se cierra un primer ciclo de aprendizaje al cual cabe sealrsele como aprendizaje informal, pues no hay ms presencia de dicho aprendizaje que en la mente del modelador. Posteriormente el modelador puede explicitar su modelo mental mediante alguna forma de modelado (Econometra, Dinmica de Sistemas, etc.) de tal forma que se tiene un copia formalizada, mediante el lenguaje de modelado usado, del modelo mental. El modelo formal tiene la ventaja que puede ser ms fcilmente comprendido por otros observadores sin la indispensable presencia del modelador, en tanto que stos solo requieren del conocimiento del lenguaje de modelado con el cual fue hecho. Ya con el modelo formalizado, preferiblemente de manera matemtica, se puede recurrir a la simulacin por computador para generar posibles estados del sistema que contrastados con la percepcin de lo real puede generar cambios en los modelos mentales del modelador y es aqu en donde surge un segundo ciclo de aprendizaje denominado aprendizaje formal. De esta manera si el modelado slo se realizara hasta este punto se tendra entonces un modelado para el aprendizaje; dicho modelado puede llegar a ser pertinente en la medida en que se pueda adoptar como estrategia pedaggica en los procesos de aprendizaje formalmente establecidos. Modelado Para La Explicacin Si el proceso de modelado no se detiene en el punto antes sealado y por el contrario es usado por parte del modelador para dar cuenta del fenmeno

modelado, a otros observadores, se estara en frente de un modelado para la explicacin. Ver la figura 9.

figura 9

Modelado para la explicacin.

El modelado para la explicacin contiene dentro de s el modelado para el aprendizaje y considera adems las relaciones establecidas en la figura que van desde el modelo formal haca la percepcin de lo real; dicha relacin as indicada muestra que el modelo formal, pertinente segn el criterio del modelador para el caso que le ocupa, puede en consecuencia ser usado para dar cuenta del fenmeno cerrndose nuevamente otro ciclo sealado como el ciclo de la explicacin. En este caso el modelado para la explicacin sera favorable a aquellos que cumplen con la tarea de la docencia en un primer instante en el proceso de enseanza, posteriormente los alumnos podran usarlo para realizar explicaciones de sus propios modelos mentales, convirtindose as el modelado en una buena estrategia para el aprendizaje, en la medida en que se tendran modelos mentales compartidos. Modelado Para La Intervencin Si adems de aprender y poder ofrecer explicaciones sobre lo modelado, la intencin del modelador es intervenir en lo modelado, es decir, en lo real para llevarlo a un estado deseado, se estara frente a un modelado para la intervencin. Dicho modelado adems de incluir las dos anteriores formas de modelado considerara de parte del modelador su intervencin directa sobre lo modelado en procura de la consecucin de objetivos: Se dira aqu que se usa el modelo para apoyar el proceso de toma de decisiones, pues esta situacin particular pone de manifiesto que el proceso de modelado no solo sera apropiado en los procesos de aprendizaje, sino que tambin lo seran en el campo de desempeo profesional del modelador. En la figura 10 se observa como el modelado para la intervencin

incluye un nuevo ciclo al que se le ha denominado ciclo para la intervencin, entendindose que lo que se interviene es lo real. Dicho ciclo se muestra con la lnea que va del modelo formal a lo real y en l se indica como el modelado, considerado de esta manera, puede ser muy importante a la hora de tomar decisiones, pues mediante la simulacin por computador se tendra a disposicin un futuro plausible, lo que hara del proceso de toma de decisiones ciertamente un tanto menos incierto.

figura 10

Modelado para la intervencin

De esta leccin queda claro que es posible, mediante el proceso de modelado, promover la formacin de competencias interpretativas, argumentativas y propositivas en la medida en que se aprende, se explica y se disean estrategias de intervencin a partir del proceso de modelado, respectivamente.

Leccin 5: Modelado Segn su Proceso Cuando se aborda la construccin de un modelo es posible llevarla a cabo cuando menos de tres formas a saber: el modelado de rplica, el modelado de reconstruccin y el modelado de construccin. En lo que sigue se har una descripcin de cada una de estas formas. Modelado De Rplica Se caracteriza principalmente por ofrecer explicaciones de las perspectivas de lo real a partir de las que ofrece la teora u otra persona distinta al modelador. Este tipo de modelado parte de la teora que explica el fenmeno a ser modelado y procede a implementar, con los tiles de la forma de modelado usada, las explicaciones que la teora ofrece sobre lo real. En este tipo de modelado, el modelador cumple meramente con un papel secundario, el de traductor del lenguaje de la teora al lenguaje de la forma de modelado. Debe entenderse que en este tipo de modelado, el rol del modelador es pasivo en el proceso de aprehensin y comprensin del fenmeno, pues su perspectiva de lo real no interesa aqu, sino la que la teora o el otro plantea. En este tipo de modelado se busca que el modelo replique lo que la teora explica y no hay mucha preocupacin si dicha rplica es coincidente con la perspectiva que tiene el modelador.

figura 11

Modelado de rplica

Esta clase de modelado se soporta en una serie de supuestos que se hacen explcitos facilitando el dar sentido por parte del modelista a su labor. A continuacin se indican los que se han identificado como los principales supuestos subyacentes al modelado de rplica.

El primero es que la realidad existe de manera independiente al observador por lo que es posible describirla por intermedio de una teora sin importar quien la usa y el contexto en el que se aplica. En el caso del modelado de rplica la representacin que se hace de la realidad corre por cuenta de la capacidad de explicacin que tenga la teora; pues en este caso se asume la teora como la mejor explicacin y acto seguido se procede a armar el modelo con los tiles o herramientas de modelado, logrando de esta manera representar la realidad que muestra la teora al modelista. Otro de los supuestos se basa en que la explicacin de la realidad es asumida por la teora. Finalmente se reconoce que la estructura es asumida directamente de la teora y que en la mayora de los casos estas estructuras son de tipo secuencial antes que circular, debido a la forma de pensamiento dominante, es decir, la perspectiva reduccionista o mecanicista. Modelado De Reconstruccin Otro proceso de modelado es el de reconstruccin en el cual las explicaciones que brindan los modelos siguen siendo guiadas por la teora pero no ya como una repeticin de lo expuesto por ella sino que en este caso la teora es una gua y el modelista intenta, a partir de su propia perspectiva de lo real, reconstruir el conocimiento que representa la teora. Es importante sealar que en este caso el modelador empieza a involucrar en el proceso de modelado su propia perspectiva de lo real tratando de reconstruir el conocimiento que se encuentra inmerso en la teora que le sirve como gua. Este tipo de modelado es de inters, pues de alguna manera el modelista comienza a ser consciente del proceso de modelado lo que en cierto sentido genera un proceso de construccin del conocimiento, idea bastante cercana a lo que propone al respecto, el constructivismo, en la perspectiva de Vigotsky. Esta situacin se sale definitivamente de la mera accin calculadora del modelado de rplica y se pasa a una accin con propsito mucho ms reflexiva, en la medida en que el modelista debe recrear la realidad percibida haciendo que dicha percepcin recreada en el modelo represente de una forma que se corresponde ms con lo real. Esta forma de modelado tiene en cuenta la realidad tanto al momento de modelar como al momento de validar, claro est, mantenindose a la teora como el eje central de la indagacin. Ver la figura 12. Al igual que en el modelado de rplica existen algunos supuestos entre ellos que: La realidad se percibe como existente de manera independiente al observador 17, siendo la teora la que mejor puede describirla. Este hecho no implica una
17 Es decir que todo observador comparte con los dems la misma percepcin de lo real.

condicin monopolstica para la teora pues se admite que el observador puede tener representaciones de lo real, claro est, mediadas por la explicacin terica.

figura 12

Modelado de reconstruccin.

Es a partir de esta situacin en que el observador puede notar que ciertas cosas que su percepcin de lo real presenta o manifiesta, no son plenamente explicadas por la teora, situacin que da inicio a un proceso de reflexin conducente a uno ms complejo como es el aprendizaje. Otro de los supuestos es que la teora sigue siendo la que tiene la mayor capacidad de explicar la realidad, pero es el modelista el que empieza a ser parte activa en esta interpretacin, sin gozar an de plena discrecionalidad para definir sus propias explicaciones. Modelado De Construccin La tercera forma de modelado corresponde a una forma de construccin del conocimiento; en esta forma de modelado no se renuncia a la teora como gua, pero sta pierde su papel protagnico cedindoselo a la realidad o percepcin de lo real, que se convierte as en la fuente inspiradora y sobre la cual posteriormente se actuar con el modelo ya construido. La construccin del modelo, en este caso particular, tiene un especial inters, pues se incita al modelizador a emanciparse del poder monoplico-explicativo que ostenta la teora acerca de lo real y lleva al modelador a atreverse a proponer explicaciones que se soportan en su propia perspectiva, es decir, se genera nuevo conocimiento. En esta forma de modelado es posible encontrar claras diferencias en trminos del modelado, fundamentalmente en la concepcin onto epistemolgica18 de la
18 El juicio ontolgico original del enfoque de sistemas puede ser formulado del siguiente modo: Las cosas (los fenmenos) son todos que trascienden la mera reunin de sus partes. Dado que el enfoque de sistemas tiene una vocacin cientfica y tecnolgica, a esta posicin ontolgica le sigue un postulado epistemolgico, a saber, Las cosas (los fenmenos) deben ser estudiadas como todos trascendentes y no como meras reuniones de partes. La reunin de ambas proposiciones anuncia lo que se le llama el clamor ontoepistemolgico del enfoque de sistemas. Ideas tomadas de

realidad, es decir, el ser y el deber ser de la misma, en tanto se asume la realidad como si fuera un sistema y por tanto estudindola como tal. Entre los principales supuestos se tiene que la realidad puede ser concebida como dependiente del observador, es decir, que existirn tantas realidades o percepciones de lo real como observadores haya. Esto no quiere decir que las diferentes perspectivas sean completamente irreconciliables, lo que se espera precisamente es que se d un espacio para reconocer la perspectiva del otro. En este espacio debe aparecer un proceso de aprendizaje a partir de la explicitacin de los modelos mentales de quienes participan en el proceso de modelado, sobre el supuesto de que el modelado se asume como elemento comn de la construccin de conocimiento. Lo importante de la coexistencia de tantas explicaciones de la realidad surge en el momento en que el modelista puede ser consciente de ello y finalmente las reconoce como explicaciones que co-existen con la suya. La realidad se representa mediante los modelos los cuales que pueden cumplir con esta tarea, solo que lo que se explicita en este caso no es la teora como tal sino la percepcin de quien modela. Ver figura 13.

figura 13

Modelado de construccin.

De esta manera se describe el proceso de modelado y la manera en que los modelos pueden ser usados a partir de los intereses que tenga el modelador. Seguidamente se revisar el modelado estructural y el l especficamente el modelado con dinmica de sistemas.

Las Races del Reduccionismo: Una Contra-Ontoepistemologa para el Enfoque de Sistemas Escrito por Ramses Fuenmayor, Departamento de Sistemologa Interpretativa, Universidad de Los Andes, Mrida, Venezuela.

CAPTULO 3: DIAGRAMAS DE INFLUENCIAS

Introduccin Este captulo estar apoyado en la propuesta de modelado que hace el profesor Javier Aracil y que describe muy bien en su libro dinmica de sistemas publicado on line por ISDEFE, en http://www.isdefe.es/monografias/docs/dinamica.pdf. Inicialmente se establecer la diferencia entre causalidad y correlacin, clarificacin importante a la hora de abordar el proceso de modelado. Una vez establecida la diferencia entre causalidad y correlacin se procede a presentar los elementos constitutivos de los diagramas de influencias. Se termina este captulo presentando las ideas asociadas a los ciclos de realimentacin, la forma en que stos se acoplan, la definicin de los modos de referencia y la determinacin de las hiptesis dinmicas.

Leccin 1: Causalidad vs Correlacin En esta leccin se presentan algunos elementos en procura de dar claridad sobre una confusin bastante frecuente entre las personas cuando indistintamente hacen referencia a la causalidad y la correlacin como si fueran sinnimos. Para ello se realizar una serie de simulaciones mentales para acercarse paulatinamente al entendimiento de la diferencia que subyace en estos dos trminos. Desde muy pequeo el ser humano comienza por establecer relaciones entre los eventos que percibe. Antes de continuar es preciso sealar algo, no es que la relacin siempre exista en la realidad, de hecho, en la mayora de los casos, una vez se encuentra una es fcil comenzar a creer en ella. Por ejemplo, supngase que un nio toca con su mano la llama de una vela, naturalmente se quemar. Es muy fcil para el nio encontrar una relacin entre estos dos episodios. Seguramente ser capaz de establecer la relacin entre fuego y quemadura sin la necesidad de que un adulto se la haga explcita. Otra situacin podra darse si un nio al caminar descalzo, nota al da siguiente que se enferm de gripa. Tambin es sencillo encontrar una relacin entre estos dos eventos. Si el nio no ha sido capaz de establecer la relacin entre estar descalzo y padecer la gripa, probablemente un adulto le har caer en la cuenta de ello. Lo presentado anteriormente no presupone problema alguno, es slo la prueba de la habilidad de los seres humanos para establecer este tipo de relaciones, lo cual llega a ser, incluso, un criterio para evaluar su capacidad cognitiva, no obstante tambin es muy fcil generalizar una relacin entre dos eventos y llevarla a una causalidad errneamente. Se invita al lector a reflexionar sobre esto: una cosa es pensar, he caminado descalzo 3 veces y las 3 veces me he resfriado y otra muy diferente, en trminos del tipo de razonamiento y de su validez, es si camino descalzo, me enfermo. Es posible llegar a establecer, incluso con precisin estadstica, que se da la relacin entre andar descalzo y estar enfermo de gripa; sin embargo, eso no significa necesariamente que el haber caminado descalzo haya sido la causa de que apareciese la enfermedad. En la niez se aprende que las causas preceden en el tiempo a los efectos; aunque hay que decirlo, esto no es del todo preciso, particularmente cuando se analizan los fenmenos a la luz del pensamiento sistmico, es decir, no hay una causalidad lineal sino ms bien una influencia circular. Entonces, cuando se ve una o varias relaciones entre dos fenmenos del mundo, como andar descalzo y tener gripa es muy fcil creer que se ha encontrado una causalidad. El problema es que este tipo de inferencias no siempre son correctas, pues el hecho de que no sea correcta no quiere decir que no funcione en nuestra mente como si lo fuera; con este tipo de trampas hay que tener mucho

cuidado. Se invita al lector a establecer claramente la diferencia entre creer y conocer. Hasta aqu lo dicho se puede generalizar que siempre que hay causalidad, hay relacin y que sin embargo, no siempre que hay relacin, hay causalidad, de lo que se desprende que mientras la correlacin es una dependencia funcional entre variables, positiva o negativa, la causalidad adems aade una relacin de causa y efecto verificable entre las mismas, es decir que hay correlacin cuando hay causalidad, por ejemplo, si llueve, entonces normalmente hay atascos, pero no siempre al revs, es decir, los sntomas de una enfermedad suelen aparecer juntos, de forma correlacionada, pero ninguno es causa de otro. Obviamente, causalidad implica correlacin, pero no al revs.

Leccin 2: Modo de Referencia y la Hiptesis Dinmica Hiptesis dinmica La "hiptesis dinmica" es una conceptualizacin, en la cual se define qu variables hacen parte del modelo inicial teniendo en cuenta todo lo que parece ser determinante para el comportamiento del sistema, pero ningn elemento que no tenga correspondencia directa con algo en el problema modelado. La hiptesis dinmica es una explicacin terica acerca de cul es la forma como se genera el problema; lo que implica la explicacin de las relaciones causales existentes entre las variables, la forma como los efectos se propagan en ellos, los ciclos de realimentacin que se forman y los retardos, siendo estos dos ltimos elementos los responsables de la complejidad del sistema. Se habla de hiptesis, porque es la idea inicial que ha de ser probada por el modelo, pudiendo ser aceptada o rechazada; adems, porque es susceptible de ser modificada a medida que se logra un mayor aprendizaje en las dems etapas del proceso. Y se dice que es dinmica, puesto que incluye la explicacin de los procesos de realimentacin que generan el problema. En pocas palabras, es la teora de trabajo de la forma como se presenta el problema. La formulacin de la hiptesis dinmica, demanda un proceso continuo de aprendizaje y de discusin acerca de la forma como se relacionan las variables, as como de recurrir a otras fuentes adecuadas de informacin, como expertos y literatura. Puesto que en esta etapa se generan las reglas de interaccin de las variables, las reglas de decisin del modelo y su estructura general, por lo menos en lo terico; tambin es necesario llegar a un anlisis o explicacin exgena del problema, es decir, plantear la forma como las variables de carcter exgeno, as como sus comportamientos y variaciones, afectan al sistema y sus procesos de realimentacin. Un modelo no debe contener demasiadas variables exgenas, puesto que cada una significa una posible variable de escenario o en su defecto, de decisin; aspectos ambos, que en cualquier caso, generan inconvenientes. Un gran nmero de variables de escenario, generar tambin un amplio nmero de posibles escenarios, puesto que se podrn construir gran cantidad de combinaciones de variaciones de ellas. En el caso que se intente limitar a pocas combinaciones, se genera un problema casustico, en el cual deben cumplirse muchas cosas para que se presente ese futuro, el cual comienza a no ser plausible. Si por el contrario, se posee gran cantidad de variables de decisin, lo que se presenta es la incapacidad para manipular el modelo, y responder a cambios y comportamientos de l; adems, no se entender los procesos de propagacin de efectos, es decir, se perder el enfoque de aprendizaje de la Dinmica de Sistemas.

La formacin de la Hiptesis Dinmica puede estar apoyada en herramientas de carcter grfico, las cuales permiten la correcta comunicacin de las ideas construidas. En lo que al curso corresponde se usarn los diagramas de influencias y los diagramas de Forrester o flujos y niveles. Los diagramas empleados para la formulacin de la hiptesis, presentan claramente los elementos que enmarcan las condiciones del sistema. Nuevamente en esta etapa es necesario considerar qu elementos permitirn la construccin de escenarios y es importante que se aprecien en cada uno. Enseguida se materializa la hiptesis dinmica en el modelo y se procede a simular: slo la simulacin como prueba podr revelar si las ideas expresadas son suficientes para explicar el comportamiento del sistema. Es condicin necesaria que modelo supere una serie de pruebas para que sea considerado como vlido, es decir, confiable; en el caso contrario se hace evidente la necesidad de seguir reflexionando y modelando. Por lo tanto, el rigor se trae a la reflexin mediante la simulacin.

Modo de referencia Uno de los primeros pasos en el proceso de modelado es la definicin precisa de los aspectos del problema, procediendo luego a describirlos de forma clara, breve y precisa (La dinmica del ser al existir) es decir, el establecimiento de la hiptesis dinmica. Esta etapa puede implicar la descripcin del comportamiento dinmico que se trata de estudiar; de esta descripcin se graficar el comportamiento temporal de las principales magnitudes de inters, lo cual constituye el llamado Modo de Referencia y sirve como una imagen aproximada de las grficas que se debern obtener del modelo inicial. El modo de referencia deber emerger del establecimiento de una adecuada hiptesis dinmica. Si se modela un fenmeno pasado, se representar en ese modo de referencia el comportamiento histrico registrado, que se trata de reproducir en el modelo. Si se modelan situaciones futuras, el modo de referencia es ms ambiguo, pero deber ser capaz de abarcar, a travs de las correspondientes variaciones de parmetros, el conjunto de diferentes tipos, modos o pautas de desarrollo. El establecimiento del modo de referencia determina el horizonte temporal del modelo. Resumiendo hasta aqu el modo de referencia se constituye por un conjunto de grficas que demuestran la formulacin del problema, estas grficas deben incluir otros datos, definir variables de inters claves y establecer un horizonte de planificacin apropiado que sea relevante para comprender el problema. Por ejemplo, supngase que se est haciendo un modelo para describir la evolucin del precio del caf; la figura 14 podra ser un buen ejemplo de modo de referencia para esta situacin particular.

figura 14

Modo de referencia19

Es importante tener en cuenta que el modo de referencia, es decir, aquella grfica que inicialmente nos muestra como se ha comportado la variable o como se espera que, segn la teora usada, se deba comportar, debe ser un elemento que emerja de la adecuada formulacin de la hiptesis dinmica.

19

Tomado de: http://www.cepes.org.pe/cendoc/cultivos/cafe/2001/cafejunio2001/cafejunio.htm

Leccin 3: Elementos de los Diagramas de Influencias La estructura del sistema Esta parte del mdulo estar apoyada en la propuesta de modelado que hace el profesor Javier Aracil y que describe muy bien en su libro dinmica de sistemas publicado en la web por el instituto de defensa de Espaa, ISDEFE, en doi: http://www.isdefe.es/monografias/docs/dinamica.pdf. Atendiendo al profesor Aracil en lo que a la idea de sistema se refiere este autor manifiesta que la descripcin mnima de un sistema viene dada por la especificacin de las distintas partes que lo forman, mediante el conjunto C de su composicin, y por la relacin R que establece cmo se produce la influencia entre esas partes20. Seguidamente Aracil propone que para comprender lo antes expuesto es preciso que se analice la estructura sistmica de un proceso. Para ello propone como ejemplo el hecho de llenar un vaso con algn lquido. Quien lo haya hecho alguna vez sabe que el procedimiento consiste en abrir la llave y una vez se va alcanzando la cantidad que se requiere, la llave se cierra. En este ejemplo aparece un agente quien es el que llena el vaso y lo hace hasta un valor deseado, este valor sirve de gua para tomar la decisin de empezar a cerrar la llave, una vez el nivel del vaso se va acercando al nivel deseado. Ver la figura 15.

figura 15

Llenado del vaso21.

A simple vista no es fcil identificar las variables que all intervienen, para ello se usar la figura 16, que es una modificacin de la primera.

figura 16
20 21

Variables en el proceso de llenado del vaso.

Aracil Javier. Dinmica de Sistemas. Ediciones Isdefe, 1995. P. 18. Fuente http://www3.uji.es/~agrandio/apu/37493f2e.jpg

Al observar detenidamente la figura es posible identificar el agente, quien llena el vaso, el flujo de lquido o razn de cambio del sistema, el nivel del vaso o acumulacin del sistema y dos elementos que dependen del agente, el nivel deseado y el clculo instantneo de la diferencia entre el nivel del vaso y el nivel deseado. Una vez se logra determinar las partes del sistema y las relaciones entre estas se dispone de una estructura, que ya puede ser til para ofrecer explicaciones acerca de la dinmica del fenmeno representado. Un poco ms formal sera abstraer las variables y relaciones y construir un grafo signado como paso previo al proceso de formalizacin matemtico del sistema.

figura 17

Estructura del sistema.

A partir de la estructura y de la forma como sta se configura es posible hacer inferencias plausibles de cul podr ser el comportamiento del sistema. En la figura 17 es posible afirmar que a una mayor diferencia entre el nivel del vaso y el nivel deseado se mantendr el flujo en su mayor dimensin, as mismo si el flujo aumenta lo har tambin el nivel. Ntese que en ambos casos las flechas tienen signos + mas en sus extremos lo que quiere decir que la variacin en la variable de origen provoca una variacin en la variable de destino en el mismo sentido. Siguiendo con el grfico, si el nivel del vaso aumenta la diferencia tiende a reducirse, hay que notar que al final de la flecha que va de nivel del vaso a diferencia es menos, ello debe leerse como que a una variacin en la variable de origen provoca una variacin en la variable de destino en el sentido contario. Los diagramas de influencias En gran parte de la bibliografa existente sobre dinmica de sistemas es comn hablar de diagramas causales, pero autores, como Aracil, recomiendan llamar a dichos diagramas como diagramas de influencias, en la medida en que llamarlos causales podra dar a entender que se trata de establecer relaciones estrictamente de causa a efecto, lo que podra implicar un anlisis secuencial de las relaciones entre variables. Al llamarles diagramas de influencias se deja en claro que las relaciones circulares son perfectamente posibles; relaciones ms allegadas al paradigma sistmico.

Entre los elementos que constituyen el fenmeno se establece un bosquejo esquemtico en el cual se representan las relaciones entre aquellos relacionados entre s, unindolos a travs de flechas. El diagrama resultante es el de influencias, el cual permite conocer, como se dijo antes, la estructura del sistema. Esta estructura viene dada por la especificacin de las variables que aparecen en el mismo y por el establecimiento de la existencia o no, de una relacin entre cada par de elementos. Supngase dos elementos A y B. Si A influencia a B, se denotar A B. Sobre la flecha, por medio de un signo, se indica si las variaciones de los dos elementos son en el mismo sentido, o en sentido contrario. Es decir, un aumento o disminucin de A corresponde un aumento o disminucin de B, lo cual se representa como sigue: A + B. Se dice entonces que se tiene una relacin positiva sin que ello implique necesariamente que se valore como bueno o malo en s mismo. Por otra parte, si a un aumento o disminucin) de A, corresponde una disminucin o aumento de B, se denotar as: A - B. De ah se dice que es una relacin negativa. En este caso lo negativo no significa una valoracin mala. Al diagrama de influencias se llega por un proceso que implica una mezcla de observaciones sobre el sistema, discusiones con especialistas en el sistema y anlisis de datos acerca del mismo. En los diagramas de influencias, las relaciones que unen dos elementos entre s pueden ser de dos tipos: la relacin causal propiamente dicha, que se da cuando un elemento A determina a otro B, con una relacin causa-efecto y la relacin correlativa, es aquella cuando existe una correlacin (estadstica, por ejemplo) entre dos elementos del sistema, sin existir entre ellos una relacin de causa efecto propiamente dicha. Veamos el siguiente diagrama de influencias que intenta representar una situacin asociada al incremente de un poblacin cualesquiera.

figura 18

Diagrama de influencias

En el diagrama de la figura 18 se pueden identificar 5 variables, la Poblacin, los Nacimientos, las Muertes y las tasas de Natalidad y Mortalidad. Entre estas variables se establecen relaciones, unas de material y otras de informacin. Las de material son las de color negro, para el caso van directamente desde Nacimientos y Muertes hacia Poblacin. La primera indica que se agregan personas a la poblacin, en tanto que la segunda indica que se sustraen individuos de la misma. La relacin que va desde Muertes hacia Poblacin tiene un signo negativo, lo que quiere decir que a medida que aumentan las Muertes, disminuye la Poblacin. De otra parte la relacin que va de Nacimientos a Poblacin tiene un signo positivo, pues a medida que aumentan los Nacimientos, tambin lo hace la Poblacin. Recomendaciones para construir diagramas de influencias Lo primero que se recomienda es hacer una lista con todas las variables posibles, que pueden ser cuantitativas o cualitativas, por ejemplo: Las Ventas o el Estrs Lo segundo que debe hacerse es revisar la lista para refinarla, es decir, revisar si alguna variable ya est incluida en otra o significan lo mismo o si una variable si es realmente crtica o no. Como tercer paso se recomienda poner un nombre adecuado a cada variable, la idea es usar sustantivos, en lugar de verbos, por ejemplo: Es correcto escribir Nuevos productos, pero no desarrollar nuevos productos. Es correcto escribir ganancias y no lo es escribir ser rentable. Se recomienda usar nombres ms neutrales o positivos, por ejemplo: Satisfaccin en el trabajo en lugar de inconformidad con el trabajo. Sera correcto decir Moral en el Recurso Humano y no lo sera escribir Mala vibra. Errores comunes en la realizacin de diagramas de influencias En la prctica, se han identificado varios tipos de errores que son comunes en la elaboracin de los diagramas de influencias. Uso de variables no cuantificables: se suelen bautizar las variables con nombres que no sugieren cantidad. Variables que incorporan la polaridad: se da cuando el nombre de la variable tiene un verbo que sugiere su incremento o decremento. Relacin de variables vs. Hiptesis dinmica: surge cuando se relacionan variables, y hasta se logra plantear ciclos, pero en realidad esta relacin no est explicando nada del fenmeno en cuestin. Causalidades redundantes: se presenta cuando se plantean causalidades para lograr efectos que otras causalidades ya lograron.

Nivel de agregacin: por exceso o por defecto. Se hacen diagramas muy grandes y detallados para situaciones muy simples, o diagramas muy pequeos para situaciones complejas. Diagramas causales sin dinmica: cuando se hace un diagrama causal en el cual los ciclos carecen de relaciones que permitan la realimentacin.

Leccin 4: Los Ciclos de Realimentacin En los diagramas de influencias aparecen unas estructuras circulares denominadas ciclos de realimentacin. Popularmente a los ciclos de realimentacin se les conoce como crculos viciosos. Los ciclos de realimentacin pueden ser positivos o negativos, en lo que sigue se presenta ms en detalle cada uno de ellos. Ciclo de realimentacin positiva En el ciclo de realimentacin positiva todas las influencias son positivas, pero si las hubiese negativas, tendran que compensarse por pares. Este tipo de ciclo representa un proceso en el que un estado determina una accin, que a su vez refuerza este estado, y as indefinidamente, tambin es conocido como bola de nieve. En la parte izquierda de la figura 21 se muestra la estructura y en la derecha el comportamiento correspondiente, del ciclo de realimentacin positiva

figura 19

Estructura y comportamiento Ciclo de realimentacin positivo

Ejemplo de ciclo de realimentacin positivo En el proceso de crecimiento de una poblacin, el estado es la poblacin y la accin es su crecimiento. Cuanto mayor sea la poblacin, mayor es su crecimiento, por lo que a su vez mayor ser la poblacin, y as indefinidamente.

figura 20

Estructura y comportamiento Ciclo de realimentacin positivo

En la figura 18 se identifica un ciclo de realimentacin positivo determinado por la relacin existente entre la variable Poblacin y la variable Crecimiento, ntese que los signos en ambas flechas son positivos + esto quiere decir que a un aumento de la Poblacin le sigue un incremento del Crecimiento y ste a su vez implica un aumento de la Poblacin. Ciclo de realimentacin negativa El ciclo de realimentacin negativa, representa un tipo de situacin en el que se trata de decidir acciones para modificar el comportamiento con el fin de alcanzar un determinado objetivo.

figura 21

Estructura y comportamiento Ciclo de realimentacin negativo

Su estructura bsica es la de realimentacin, puesto que las decisiones se toman a partir de la informacin sobre los resultados de las acciones previamente adoptadas. Como estas acciones son a su vez el resultado de decisiones anteriores se tiene as una cadena circular sin fin. Ejemplo de ciclo de realimentacin negativo En el figura 22 la flecha que va de la variable atractividad a migracin representa una influencia positiva, es decir que a un incremento en la atractividad de la comunidad, se incrementa la migracin hacia la comunidad. La flecha de poblacin a empleos disponibles per cpita es una influencia negativa, es decir que un incremento en la poblacin de la comunidad causar un decremento en el nmero de empleos disponibles per cpita.

figura 22

Ciclo de realimentacin negativo

Es importante sealar que en la figura 22 se lee que un cambio en migracin producir un cambio en poblacin en la misma direccin, pero un decremento en migracin no producir un decremento en poblacin a menos que la migracin sea

negativa. Este tipo de situaciones deben ser tenidas en cuenta para evitar conclusiones erradas. Se invita al lector para que revise la figura 18 e identifique all tanto los ciclos de realimentacin positivos como negativos. Ciclos de realimentacin acoplados Es habitual encontrar sistemas complejos en los que coexistan mltiples bucles o ciclos de realimentacin, tanto positivos como negativos. En este caso el comportamiento resultante depender de cules de los bucles sean dominantes en cada momento.

figura 23

Ciclos acoplados

figura 24

Comportamiento ciclo acoplado

La grfica representa de procesos en los que inicialmente se produce un crecimiento, pero todo crecimiento debe de cesar, no hay crecimiento indefinido. Este efecto limitador se incorpora mediante un bucle de realimentacin negativa. En lo que sigue se presenta con mayor grado de profundidad el crecimiento sigmoidal o logstico que es ejemplo de los ciclos de realimentacin acoplados. El crecimiento sigmoidal El crecimiento en S, sigmoidal o logstico se asemeja mucho al crecimiento exponencial, sin embargo, a partir de un cierto punto el crecimiento se ralentiza, este hecho permite que la curva pueda representar adecuadamente la propagacin de rumores, la extensin de una innovacin tecnolgica o una epidemia, ntese que una misma estructura permite dar cuenta de diferentes fenmenos, es esto a lo que Bertalanffy se refera con la idea de una teora

general de sistemas y bsicamente lo referido a la ubicuidad de la estructura sistmica. Al principio tanto el rumor, como la apropiacin de una innovacin tecnolgica y la cantidad de enfermos se propagan rpidamente, cada "infectado" o "afectado" por la innovacin es susceptible de traspasar el "contagio" a otro individuo que tenga contacto con l, pero a cuando el nmero de "infectados" crece es ms difcil encontrar una persona que previamente no haya estado en contacto con la enfermedad o innovacin. Una magnitud P (Estado); que sigue un crecimiento logstico tiene un crecimiento que puede ser representado por el siguiente diagrama de influencias:

figura 25

Crecimiento en S

En donde: r (Condicin limitadora) es la tasa de crecimiento, cuando P; es pequea en relacin a k; la tasa de crecimiento de la variable es prcticamente proporcional a r, tal como sucede en un modelo de crecimiento exponencial; k (Condicin limitadora); es la capacidad o nivel de saturacin de la variable, normalmente representa alguna restriccin que el ecosistema o el medio en el que crece la variable impone un lmite mximo por encima del cual la variable no puede seguir creciendo. P es la variable que crece y la variacin de P est representada CP (Accin reforzante). El crecimiento de la poblacin CP estar limitada por DP (Accin estabilizadora) que es la relacin entre la cantidad de P y la posibilidad de seguir creciendo que lo da k, por P y por la tasa natural de crecimiento r en caso de no haber limitaciones.

Leccin 5: Los retardos Un aspecto importante que se debe considerar en el modelamiento con dinmica de sistemas es el retardo que se produce en la transmisin ya sea de informacin o de material. Al construir el diagrama de influencias se debe considerar que la relacin causal que une a dos variables puede implicar la transmisin de informacin o material para la cual se requiere el transcurso de un cierto tiempo; es entonces cuando s est en presencia de un retardo, retraso o demora, como tambin se conoce. Para formarse una idea sobre la situacin de cierto problema es necesario que trascurra un cierto tiempo antes de tomar una decisin y una vez tomada deba transcurrir algn tiempo hasta que se observen los efectos en la misma. Los retardos de materiales se producen cuando existen elementos en el sistema que almacenan el material que fluye por el mismo. Por ejemplo, cuando se enva un grupo de cartas a diferentes destinatarios, stas permanecern un cierto tiempo en poder de la empresa de correos, desde que el remitente la enva hasta que el destinatario la recibe. Los retardos de informacin resultan de la necesidad de conservar y almacenar informacin del sistema antes de tomar una decisin. Los retardos en la transmisin de informacin actan como filtros que son capaces de aislar los picos que presenta la evolucin de una variable, tomando para ello un valor promedio de la misma. Al promediarse ponderarn los datos disponibles de manera que los ms recientes influyan significativamente en los ms antiguos. En la figura 26 se muestra un bucle de realimentacin negativa en el que la influencia entre la variable C y la variable A produce un retardo, representado, e este caso por dos trazos en la flecha.

figura 26

Retardos

Los retardos en los bucles de realimentacin positiva determinan que el crecimiento no se produzca tan rpidamente como se esperaba. Los retardos en los bucles de realimentacin negativa, al producirse de forma lenta los resultados puede llevar a que se tomen decisiones drsticas, esto naturalmente conduce a una oscilacin del sistema, lo que Forrester llama el efecto ltigo (bullwhip); se invita al lector a profundizar sobre este concepto.

ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD UNO 1. Indique las diferencias entre un sistema, una mquina y un modelo. 2. Dibuje un sistema, una mquina y un modelo. 3. Se puede afirmar que un modelo sirve para ser representado, diga por qu. 4. Cules son las propiedades de los sistemas? 5. Cuntas y cules son las mquinas simples? 1. Qu es la Ciberntica? 2. Cul es su importancia para el modelado? 3. Qu es la realimentacin? 4. Indique dos casos en que sea evidente la realimentacin? 5. Se puede afirmar que la ciberntica pertenece al pensamiento de sistemas? 1. Elabore una definicin propia de la nocin de Sistema 2. Puede el mundo ser visto como si fuera un sistema? 3. Qu cosas del mundo se pueden representar como si fueran sistemas? 4. Averige qu cosa es la entropa y la sinergia y establezca relaciones entre ellas. 5. Qu cosa es la equi-finalidad? 1. Hay diferencias entre el pensamiento de sistemas y la teora general de sistemas, indquelas? 2. Es correcto afirmar que una visin sistmica es una visin que reduce los objetos para poderlos estudiar y ah termina el proceso? D una argumentacin vlida a su respuesta. 3. Qu le hace pensar esta frase: "lo no suficientemente sistmico es suficientemente sistmico"? Escrbalo. 4. Es lo mismo un sistema que un conglomerado, por qu? 5. Usted piensa sistmicamente?, Cmo lo podra comprobar? 1. Qu es el isomorfismo? 2. Es posible apoyarse en otras ciencias para estudiar los de otra ciencia? 3. Qu es la teora General de Sistemas? 4. Cmo piensa usted que el pensamiento de sistemas aporta para su desempeo profesional? 5. Es Ren Descartes un pensador sistmico? 1. Qu es el ser de las cosas? 2. Qu es el existir de las cosas? 3. El ser implica la existencia? 4. Cul es la importancia de la dinmica del existir en los procesos de modelado? 5. Las cosas pueden ser sin existir? 1. Una modelo de ropa qu tipo de modelo es? 2. La ropa que lleva una modelo es un modelo? 3. Los prototipos de buen comportamiento son modelos? 4. Los modelos matemticos para qu sirven? 5. Qu es modelar, es lo mismo que simular? 1. Un modelo es aquello que sirve para representar? 2. Un modelo es aquello que sirve para ser representado?

3. Cul de las dos acepciones de modelo anterior es pertinente al modelado en ingeniera? 4. Una ecuacin es un modelo? 5. Explique sus respuestas anteriores 1. El modelado para el aprendizaje implica slo una representacin mental? 2. El modelado para la explicacin implica modelos formales? 3. El modelado para la intervencin supone toma de decisiones? 4. Qu competencias desarrolla el proceso de modelado? 5. Explique todas sus respuestas 1. Diga qu es el modelado de rplica? 2. Explique en qu consiste el modelado de reconstruccin 3. Argumente acerca del modelado de construccin 4. Establezca las diferencias entre el modelado de rplica, de reconstruccin y de construccin 5. Disee una tabla comparativa entre las tres formas de modelado 1. Qu es la correlacin? 2. Qu es la Causalidad? 3. Diferencie de forma clara los trminos causalidad y casualidad 4. S dos variables estn fuertemente correlacionadas son causa y efecto? 5. Explique todas sus respuestas 1. Un modo de referencia es un comportamiento histrico? 2. Diga qu es una hiptesis dinmica 3. Defina la relacin entre modo de referencia e hiptesis dinmica 4. Por qu se habla de hiptesis dinmica y no esttica? 5. Explique todas sus respuestas 1. Es lo mismo causal que influencia? 2. Para qu sirve un diagrama de influencias? 3. Cules son los elementos de un diagrama de influencias? 4. Cules son los errores que comnmente se cometen la crear un diagrama de influencias? 5. Sustente las respuestas anteriores a travs de un grfico 1. Qu es un ciclo de realimentacin 2. De un ejemplo de ciclo de realimentacin positivo 3. De otro ejemplo de realimentacin negativa 4. Qu es el feedback 5. Busque el trmino "retroalimentacin" en www.rae.es 1. Qu es un retardo? 2. Indique un par de ejemplos en donde se presenten retardos 3. Qu es el efecto ltigo? 4. Muestre un par de ejemplos en donde se presente este el fenmeno ltigo 5. Averige en internet cul fue el aporte de Forrester para describir el efecto ltigo.

FUENTES DOCUMENTALES DE LA UNIDAD UNO LOPEZ, H., SOTAQUIR, R., ANDRADE, H., ESPINOZA, A., DYNER, I., (2001). Pensamiento Sistmico: Diversidad en bsqueda de unidad. Ediciones UIS. FORRESTER, J. W. (1958). "Industrial Dynamics--A Major Breakthrough for Decision Makers." Harvard Business Review, Vol. 36, No. 4, pp. 37-66. RADZICKI M. et al, (2002). Why Every Engineering Student Should Study System Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE November 6 - 9, Boston, MA. WIENER, N. (1948). Cybernetics or Control and Communication in the Animal and the Machine. New York: John Wiley & Sons, Inc., 194 pp SHANNON, C.E. (1948), "A Mathematical Theory of Communication", Bell System Technical Journal, 27, pp. 379423 & 623656, July & October, 1948. Von NEUMANN, J. and MORGENSTERN, O., (1944). Theory of Games and Economic Behavior, Princeton University Press CANNON, W., (1929). Organization for Physiological Homeostasis, Physiological Reviews, 9 399427. MATURANA, H. y VARELA, F. (1984): El rbol del Conocimiento. Las bases biolgicas del entendimiento humano, Buenos Aires, Lumen/Editorial Universitaria, 2003, 172 pp. MATURANA, H. (1997). El sentido de lo humano. Dolmen. TM editores. Santiago de Chile. Novena edicin. Von BERTALANFFY, L. (1930). Lebenswissenschaft und Bildung, Stenger, Erfurt. Von BERTALANFFY, L. (1976). Teora general de los sistemas -fundamentos, desarrollo, aplicaciones. 1" ed. en espaol, 1976, Fondo de Cultura Econmica, Mxico, Madrid y Buenos Aires, 311p. Von BERTALANFFY, L. (1979). Perspectivas en la Teora General de Sistemas, Alianza Universidad, Madrid. McLEOD, R., (2000). Sistemas de Informacin Gerencial. Pearson Educacin. MURDICK, R., (1988). Sistemas de informacin administrativa. Mxico. MOSTERIN, J. (1984). Conceptos y Teoras en la Ciencia, Alianza Universidad, Madrid.

BUNGE, M. (1985). Teora y realidad. Editorial Ariel. 310 p. CHECKLAND, P. (1992). Editorial Limusa, p.352. Pensamiento de sistemas, prctica de sistemas.

PINEDA, E., (2005). Un Reconocer A Nivel Prctico De Las Diferencias Y Coincidencias De Los Enfoques De Modelado Conductista Y Estructural En La Economa. Trabajo de grado en Economa, Universidad Industrial de Santander. P. 38. ARACIL, J. (1987) Dinmica de Sistemas, Alianza Universidad. Madrid, tercera edicin. SIMON, H.A. (1969). The Sciences of the Artificial, MIT Press, Cambridge Ma. SENGE, P. (1999). La quinta disciplina, Granica. 490 p. PARRA J. y ANDRADE, H. (2002). Reconocimiento, Diversidad y Aprendizaje. Disponible en: http://www.colombiaaprende.edu.co/html/mediateca/1607/articles75601_archivo.pdf ARACIL, J. (1995). Dinmica de Sistemas. Ediciones Isdefe.

UNIDAD 2: DIAGRAMAS DE FORRESTER Nombre de la Unidad Introduccin Diagramas de Forrester Los diagramas de Forrester son los elementos de tipo conceptual que permiten el modelado estructural de la dinmica de sistemas. Justificacin Es un paso previo del modelado cualitativo al modelado cuantitativo, que llevado a los software especializados posibilita la generacin de las ecuaciones en diferencias. Intencionalidades Desarrollar la habilidad para la representacin de Formativas fenmenos de diversa naturaleza a partir de las nociones de razn de cambio y acumulacin, adems de los retardos y la realimentacin. Denominacin de Captulo 4: Elementos De Los Diagramas De Forrester captulos Captulo 5: Elaboracin De Diagramas De Forrester Captulo 6: Simulacin

CAPTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER Introduccin Una vez construido el diagrama de influencias en el cul se han graficado las variables y las relaciones constitutivas del problema modelado es preciso pasar a una segunda parte en la cual se deber expresar dicho modelo en trminos de acumulaciones y variaciones, fundamentalmente. sta es una de las partes que demandan mayor cuidado pues de la correcta identificacin de las variables, ya sean acumulaciones o razones de cambio, depender el xito en el proceso de modelado. Este captulo se concentra especialmente en dar algunos elementos que guiarn al estudiante en la adquisicin de habilidades que le permitan reconocer de manera adecuada cada una de estas variables. Se recomienda al lector una prctica consciente y dedicada para que pueda lograr sus propsitos, pues como todo proceso de aprendizaje se da en la medida en que haya un genuino inters por aprender expresado este en la necesidad intrnseca del estudiante por hacerlo.

Leccin 1: La Nocin de Razn de Cambio y Acumulacin Nociones acerca del cambio En el inicio de algunos artculos es comn leer que lo nico que permanece constante es el cambio, este hecho naturalmente genera en el hombre la urgente necesidad por determinar las variaciones ocurridas ya sea desde una descripcin de las circunstancias o a partir de la medicin de las mismas. Rendn (2009) citando a Lyotard (1984) muestra como ejemplo de las consecuencias del cambio que las condiciones socio-econmicas y polticas de pases o regiones guardan diversas relaciones entre s, ya sea de similitud, subordinacin- dominacin o antagonismo, las cuales pueden favorecer ambientes de cooperacin, competencia o incluso conflicto, determinando con ello las dinmicas de cambio propias del mundo contemporneo". Esta situacin conduce a que el cambio se conciba de diferentes forma, es decir desde lo descriptivo o cualitativo y lo numrico o cuantitativo. En las siguientes secciones se describen estas concepciones. El cambio cualitativo En este mdulo se acepta que lo cualitativo es aquello que denota cualidad, es en este sentido que debe entenderse el cambio cualitativo que implica la posible comparacin con otras situaciones similares, afines o de la misma especie. Es preciso indicar que la mayor de las veces este anlisis depende de la percepcin del observador, en este sentido, se podra afirmar que lo cualitativo, depende de quien lo percibe y, a diferencia de lo cuantitativo, es mucho ms difcil de precisar con especificidad en distintos escenarios y de diversas perspectivas individuales. Para Rendn (2009) el cambio cualitativo se caracteriza por: Distinguir las caractersticas necesarias para identificar modificaciones de un objeto, situacin o accin propias de un contexto. Permitir representar una situacin con una definicin pobre (parcial, incierta y/o imprecisa), soportando el proceso de solucin y proporcionando una interpretacin de los resultados. Ser la forma ms ampliamente utilizada para explicar las modificaciones ocurridas respecto a algo, desde el razonamiento por sentido comn.

Cambio cuantitativo En Rendn (2009) se define el cambio cuantitativo como la nocin de medida, es decir, el valor numrico, que deviene de la operacin cotidiana de comparar conjuntos y no slo se vincula con el nmero de elementos de un conjunto, sino tambin con la nocin de extensin, por ejemplo; largo-corto.

En la evolucin del conocimiento, el ser humano no solo se enfrentado con el hecho de medir, sino tambin con la necesidad de determinar la variacin de dichas mediciones. Estas variaciones hacen referencia a los cambios de las medidas, es decir, se relaciona con los cambios cuantitativos. Adems pretende definir un nmero asociado a las modificaciones ocurridas, es decir que, en cualquier circunstancia, sea posible enunciar la cantidad de aumento y/o disminucin. El cambio cuantitativo, segn Rendn (2009), se describe con base a los factores que lo generan, matemticamente son llamadas variables, las cuales son tomadas como causas, es decir, como relaciones de dependencia que dan cuenta de lo ocurrido. El modelado con dinmica de sistemas tiene tiles que pueden utilizarse para representar tanto el cambio cualitativo (diagramas de influencias) como cuantitativo (diagramas de Forrester). La razn de cambio La razn de cambio junto con la nocin de acumulacin son centrales en el modelamiento con dinmica de sistemas. En trminos elementales la razn de cambio es aquella que da cuenta o que es responsable de los procesos de acumulacin. Con un sencillo ejemplo se pretende clarificar an ms esta idea. Supngase que se tiene una alcanca en la cual cada mes se guarda una moneda de $100 pesos; a esta cantidad de dinero guardada mensualmente se le denomina razn de cambio, pues es la responsable del aumento (cambio) de la cantidad de dinero que se ir almacenando (acumulando) en la alcanca.

figura 27

Flujo de monedas que llena la alcanca22

Matemticamente la razn de cambio de una variable respecto a otra es la magnitud del cambio de una variable por unidad de cambio de la otra. Tambin se le llama tasa de cambio. Si las variables no tienen ninguna dependencia la tasa de cambio es cero. La compresin del concepto de razn de cambio o razn de variacin se considera de gran importancia dentro de las matemticas, puesto que posibilita la comprensin de diversos fenmenos de la naturaleza lo cual posibilita que stos sean modelados, entre otras cosas, con ecuaciones diferenciales.
22

Tomado de http://www.flickr.com/photos/rockdrigo68/3321611111/

Leccin 2: Diagramas de Forrester Una vez se ha construido el diagrama de influencias debe ser elaborado el diagrama de Forrester o diagrama de flujos y niveles. En este diagrama se deben ubicar los distintos elementos que constituyen el diagrama de influencias, teniendo especial cuidado de identificar cuando uno de estos elementos representa ya sea una acumulacin, una razn de cambio o un simple clculo intermedio entre una razn de cambio y una acumulacin. Las variables o elementos del diagrama de influencias, una vez identificados como acumulaciones, o razones de cambio o clculos intermedios son representados mediante: variables de nivel o acumulaciones variables de flujo o razones de cambio variables auxiliares o de clculo intermedio Los diagramas de Forrester son la modelacin en forma pictrica de la relacin que existe entre los 3 tipos de variables con el fin de establecer una interface con el modelado de sistemas a travs de una computadora. Los conos que son usados para la elaboracin de un diagrama de Forrester provienen del smil hidrodinmico que fuera usado en los comienzos de la dinmica de sistemas como metfora para representar la evolucin de los sistemas dinmicos.

figura 28

Smil hidrodinmico23

El problema que implica el smil hidrodinmico tiene que ver con que un observador debe controlar el contenido de lquido en los niveles N1, N2 y N3 y para ello tiene la posibilidad de abrir o cerrar las llaves F1, F2, F3 y F4. Naturalmente el lquido se va acumulando en los tanques o niveles y es claro que tendr que llenarse primero el tanque o nivel N1 antes de que comience a llenarse el nivel N3, una vez se vaya alcanzando el nivel deseado el observador deber obturar las llaves, para evitar que se pierda el lquido.
23

Figura tomada y modificada de http://tgs7233.galeon.com/introdds.htm

Es clave notar que el tanque o nivel N1 se llena si la llave F1 est abierta, es decir, si hay un flujo de lquido que entre y vaya llenando el tanque. Tambin es cierto que el nivel N1 se desocupa o disminuye o se des-acumula si la llave F2 permite que el lquido de N1 fluya a N2 e igual sucede con el nivel 2 y el nivel 3. A estas alturas el lector debe tener claro porqu el smil hidrodinmico sirve como metfora de los diagramas de Forrester o de flujos y niveles. Segn el smil los niveles se llenan o se desocupan mientras que los flujos provocan el incremento o decremento de los niveles. Aparece aqu implcita la idea de acumulacin y razn de cambio respectivamente. Los elementos del diagrama de Forrester Las variables de estado o "niveles" se definen como aquellos elementos que muestran en cada instante la situacin del modelo, simulan una acumulacin y varan solo en funcin de los "flujos". Los niveles se representan por medio de un rectngulo. Para el caso del smil hidrodinmico los niveles son N1, N2 y N3. El rectngulo representa la variable de nivel. La evolucin de este tipo de variables resulta siendo muy significativa para el estudio del sistema. La variable de nivel al cambiar a travs del tiempo alcanza lo que se conoce con nombre de estado del sistema. La eleccin de los elementos o variables que se pueden representar mediante niveles en un modelo determinado depende del problema especfico qu se est considerando; sin embargo una caracterstica comn a todos los niveles es que cambian lenta o rpidamente en respuesta a variaciones de otras variables. A cada nivel se le puede asociar un flujo de entrada (FE) o un flujo de salida (FS) o una combinacin de los dos. Un ejemplo de nivel podra ser la cantidad de personas que hay dentro de la sala de un teatro. Los llamados "canales de informacin", transmiten, como su nombre indica, informaciones que por su naturaleza no se conservan. Las magnitudes fsicas entre flujos y niveles se transmiten a travs de los denominados " canales de material". Las razones de cambio, vlvulas o "flujos" son elementos que se definen como funciones temporales, pues recogen las acciones resultantes de las decisiones tomadas en el sistema, determinando las variaciones de los niveles. Las variables de flujo caracterizan las acciones que se toman en el sistema, las cuales quedan acumuladas en los correspondientes niveles. Debido a su naturaleza se trata de variables que no son medibles en s, sino que se miden por los efectos que se producen en las variables de nivel de tal forma que las variables de nivel se asocian con ecuaciones que definen el comportamiento del sistema. Un ejemplo de flujo podra ser la cantidad de personas que entran a un teatro por unidad de tiempo, 5 personas por minuto.

La nube representa una fuente o un sumidero de material que puede interpretarse como un nivel que no es importante para el modelador y es prcticamente inagotable. Las constantes o parmetros se usan para representar aquellos valores que no cambian a travs del tiempo. Son determinantes para calcular el valor de los flujos. Un ejemplo de constante es la tasa de natalidad de una poblacin o la tasa de inters de un prstamo. Los "retardos", que simulan el tiempo que demora la transmisin de los materiales o las informaciones. En los sistemas socioeconmicos es frecuente la existencia de retardos en la transmisin de material e informacin y tienen una gran importancia en la determinacin del comportamiento del sistema. Ejemplo: si se siembra una semilla de maz se esperara que a los 90 das hubiera una mazorca, es decir, habra un retardo de 90 das desde el momento de la siembra hasta el momento de la cosecha. Las variables exgenas son las influencias que afectan el sistema, pero lo que suceda en el sistema no la afecta. Un ejemplo puede ser la cantidad de agua lluvia que afecta a un cultivo. Las "variables auxiliares" son clculos intermedios y valores fijos, respectivamente, que permiten una visualizacin mejor de los aspectos que condicionan el comportamiento de los flujos. Las tablas se usan para representar aquellas relaciones entre variables que son no lineales, este tipo de comportamientos se pueden observar por ejemplo entre la sensacin de hambre y la cantidad de alimento consumido; a medida que se come la sensacin de hambre disminuye, pero no proporcionalmente a la cantidad de alimento consumido. Tambin se usan para representar multiplicadores que son las relaciones entre variables que no permanecen constantes a travs del tiempo. Ejemplo de ello sera una tasa de inters variable. En la figura 29 se pueden apreciar los conos que se usan en diferentes software para representar los elementos de los diagramas de Forrester.

figura 29

Elementos del diagrama de Forrester en distintos software24

24

Figura tomada y modificada de internet.

Leccin 3: Los Niveles y los flujos Construccin del diagrama de Forrester Como se ha dicho en varias ocasiones los niveles son las variables que se acumulan o se des-acumulan, este hecho les permite mantener la memoria del sistema. Otro hecho que hay que tener presente es que siempre debe haber por lo menos un flujo relacionado con un nivel, en caso contrario ese nivel permanecer invariable, es decir, parecer ms una constante o parmetro. Una de las primeras variables que deben ser identificadas en un diagrama de influencias son las variables de nivel, para ello es necesario preguntarse, cul de cada variable una de esas variables tendr comportamientos relacionados con procesos de acumulacin y des-acumulacin, es decir, cules de ellas se llenan o se desocupan. Volviendo sobre el smil hidrodinmico, de la figura 28, se puede apreciar que los tres tanques se pueden llenar o desocupar dependiendo de cul de las 4 llaves est abierta o cerrada. Es decir que la cantidad de lquido almacenada en el sistema depender de que tanto se manipulen las vlvulas o llaves. Una caracterstica comn a las variables de nivel es que cambian lentamente en respuesta a las variaciones de otras variables, en concreto de las variables de flujo. A cada nivel N(t) se le puede asociar un flujo de entrada Fe(t) y salida Fs(t), de acuerdo con ( ) O en forma de ecuacin diferencial ( )

La anterior ecuacin se denomina ecuacin de nivel diagrama se representa mediante el diagrama de Forrester que se muestra en la figura 30

figura 30

Diagrama de Forrester

Las variables de flujo son aqullas variables que determinan los cambios en las variables de nivel del sistema y caracterizan las acciones que se toman en l, las cuales quedan acumuladas en los niveles correspondientes. Fsicamente

expresan como se convierte la informacin disponible en el sistema en una accin y estn asociadas a las vlvulas o llaves del smil hidrodinmico. A cada flujo F(t) se le asocia una ecuacin llamada ecuacin de flujo o funcin de decisin que admite como variables de entrada los niveles, las variables auxiliares y las constantes, en trminos generales. F(t) = TN *M(t)*N(t) EN donde TN es el flujo normal (constante), M(t) es el multiplicador del flujo normal (auxiliar) y N(t) (nivel). El diagrama de Forrester, de la ecuacin de flujo, se presenta en la figura 31.

figura 31

Diagrama de Forrester

Algunas recomendaciones para reconocer los niveles y los flujos Lo primero que hay que tener en cuenta es que los niveles son generalmente una cantidad mientras que los flujos son medidos en las mismas unidades del nivel por unidad de tiempo. Por ejemplo: si el nivel es la poblacin las unidades sern las personas y los flujos asociados a ese nivel estarn dados como personas/ao; si la unidad de tiempo es el ao. Una metfora que contribuye en la caracterizacin de las variables de flujo y niveles es la prueba de la foto en tanto que los niveles caracterizan el estado de un sistema. Imagine usted lector que se congela el sistema como en una foto; los niveles seran las cosas que se pueden contar.

figura 32

Diagrama de Forrester

Otra recomendacin importante tiene que ver con que se debe respetar la ley de la conservacin de la materia, en este sentido, los contenidos de las redes de niveles y flujos se deben conservar. Por ejemplo, las cosas, (cuentas por cobrar) en el nivel permanecen ah hasta que salen por pagos o por defaults. Ver la figura 32. Slo los flujos deben estar relacionados directamente con los niveles, es decir, que un nivel nicamente cambia por flujos de entrada y salida. Los niveles a su vez determinan los flujos. Ver la figura 33.

figura 33

Relacin entre nivel y flujo

Ejemplos de niveles: El inventario en una bodega, (nmeros de objetos) Empleados en un negocio, (nmero de personas) La cuenta de ahorros, (Cantidad de dinero) Computadores en una empresa, (cantidad de computadores) Usuarios de un servicio (la cantidad de suscriptores ) Flujos asociados a los niveles El inventario se incrementa por el flujo de produccin y decrece por el flujo de despachos.

figura 34

Diagrama de Forrester

El nmero de computadoras en una empresa se incrementa con nuevas adquisiciones y se reduce por obsolescencia.

figura 35

Diagrama de Forrester

El saldo de la cuenta de ahorros se incrementa con los depsitos y decrece con los gastos.

figura 36

Diagrama de Forrester

El nmero de usuarios de un servicio se incrementa con nuevos clientes y se reduce por los clientes que cambian de proveedor o cambian de servicios.

figura 37

Diagrama de Forrester

Se invita al lector para que proponga nuevos ejemplos de niveles y flujos propios de su dominio de conocimiento. Se insiste mucho en que los niveles son acumuladores y los flujos aquellos responsables de la acumulacin.

Leccin 4: Las variables Auxiliares, los Multiplicadores y las No Linealidades Variables auxiliares Las variables auxiliares representan pasos en los que se descompone el clculo de una variable de flujo a partir de los valores tomados por los niveles y de otras variables. El propsito del uso de las variables auxiliares est en facilitar la comprensin y definicin de las variables de flujo, aunque no es exclusiva esta tarea, ya que las variables auxiliares suelen representar en s mismas conceptos individuales. Si se hace un modelo del smil hidrodinmico aparecen all variables auxiliares que son definitivas para determinar los flujos. Se sugiere al lector que revise de nuevo la figura 28.

figura 38

Diagrama de Forrester del smil hidrodinmico

Ntese en el modelo, figura 38, que se requieren 4 variables Auxiliares y cinco parmetros para modelar la informacin que permite al observador actuar sobre las llaves. Los parmetros indican el valor del flujo en cada caso y el parmetro CT se usa para indicar la capacidad total de los niveles. Las variables auxiliares

toman informacin de los niveles y del parmetro CT y determinan si an es posible adicionar ms lquido. Como se puede intuir, las variables auxiliares son variables de decisin. En el caso de la variable auxiliar A1 se define como: IF(CTN1>0,VF1,0), es decir, que si al restar de la capacidad total el contenido del nivel 1 es mayor que cero, quiere decir que no est lleno, en tal caso F1 permite que el lquido fluya, en otro caso la llave (F1) se cierra. Se deja como trabajo para el lector que deduzca cules han de ser las ecuaciones que corresponden a las otras tres variables auxiliares. No linealidades Si dos variables A y B estn relacionadas por B = f(A) siendo f no lineal, B una variable auxiliar y A una variable de nivel, se emplea el smbolo de la figura 39 en el diagrama de Forrester. Esta es una representacin que dependiendo del software usado puede cambiar. Se invita al lector a repasar la figura 29, la parte correspondiente a tabla.

figura 39

No linealidad

Las no-linealidades se usan para representar aquellas relaciones entre variables que son no lineales, este tipo de comportamientos se pueden observar por ejemplo entre la sensacin de hambre y la cantidad de alimento consumido; a medida que se come la sensacin de hambre disminuye, pero no proporcionalmente a la cantidad de alimento consumido. Los Multiplicadores Los multiplicadores son tasas cambiantes que afectan una variable. Un efecto multiplicador es el que ocurre cuando una persona aumenta la ingesta de alimentos, eso tiene un efecto sobre el valor nominal del peso, aunque la persona siga siendo la misma. Es importante advertir que las personas no suben de peso a un mismo ritmo consecuencia de la misma ingesta sostenida de alimentos. Otro ejemplo que ilustra la idea de multiplicador es el efecto que tiene sobre una poblacin la disponibilidad de recursos. A medida que crece la poblacin, si hay suficiente recursos, crecer a una tasa natural y mostrando un comportamiento exponencial. Una vez los recursos empiecen a escasear tendrn un efecto sobre los nacimientos haciendo que estos decrezcan. En figura 40 es posible observar como sobre la variable nacimientos tiene efecto la tasa de nacimientos, pero adems la disponibilidad de recursos tambin tiene su efecto limitante. La estrella en el diagrama muestra que habra un efecto multiplicador sobre la cantidad de nacimientos producto de la escasez de recursos. En este caso la multiplicacin reduce el valor nominal de los nacimientos teniendo un comportamiento no-lineal, es decir, a medida que comienza a escasear el recurso la tasa de nacimientos se ir haciendo cada vez ms pequea al punto de que se igualen los nacimientos y las muertes y se estabilice el sistema.

figura 40

Multiplicador

Finalmente el modelador deber disear numricamente los multiplicadores para que surtan el efecto observado en el fenmeno. Tanto los multiplicadores como las no linealidades son tratadas de forma similar por la mayora de los software disponibles, la diferencia subyace a la definicin de cada uno de ellos. No olvidar que una no-linealidad es una funcin que transforma una entrada en una salida relacionadas ambas de forma no lineal; mientras que un multiplicador altera el valor nominal de una variable, la aumenta o disminuye, pero no hay cambio de unidades.

Leccin 5: Caracterizacin de los Retardos Una caracterstica que debe ser considerada al modelar sistemas dinmicos es el retardo producido, en la transmisin de material o en la transmisin de informacin, esto ya se revis en la leccin 5 del captulo 3. En lo que sigue se revisa la formulacin matemtica del mismo.

figura 41

Retardo en las ventas consecuencia del precio

Al revisar la figura 41 se puede verificar que si el precio de los computadores disminuye sbitamente, el nmero de ellos vendidos no aumenta de la misma forma si no que lo hace de manera gradual, lo cual se debe al retardo de informacin en la medida en que se necesita de un cierto tiempo para que los compradores perciban el cambio en el precio.

figura 42

Ilustracin de un retardo

La figura 42 recrea la idea de retardo, si se sigue la secuencia se podr inferir las consecuencias.

Seguidamente se hace una presentacin grfica del concepto de retardo tanto de material como de informacin. Retardos de material. El retardo de material se produce cuando existen elementos en el sistema que almacenan temporalmente y luego fluyen. En la figura 43 se muestra la estructura de un retardo de orden uno y tiempo de ajuste 3 con un valor inicial, que va a ser retardado, de 100. El orden de un retardo viene dado por el nmero de niveles que tenga la estructura que lo determina. Al revisar el cuadro rojo se percibe all un nivel identificado con el nombre N1, este es el elemento que almacena el material que se va retardar, un flujo F1 que representa el valor del retardo, es decir, el valor que se va liberando del nivel N1, un parmetro TA que es el tiempo de ajuste o tiempo promedio que permanece un elemento en el sistema. La cantidad retardada est representada por el valor del flujo Fe.

figura 43

Retardo de orden uno de material

En donde el Fe es un valor nico que en t=0 es de 100, N1 en t=0 es 100, F1(t)= N1(t)/TA y finalmente TA=3, es decir, el tiempo de retardo. La figura 43 muestra la grfica caracterstica de un retardo de material de orden uno (1) y tiempo de ajuste de tres (3). El tiempo de ajuste siempre debe cumplir que sea mayor o igual que el orden. Se invita al lector que como prctica demuestre mediante los resultados de simulacin que efectivamente el promedio de permanencia de una unidad en el sistema es igual al TA. Matemticamente el retardo se representa mediante la siguiente ecuacin ( ) ( ) ( ) ( )

( )

Algunos ejemplos de retardo de material podra ser, por ejemplo, las rdenes de material, los tiempo de construccin, La demora en la entrega de algn pedido, etc. Retardo de informacin Este retardo se produce cuando es necesario conservar y almacenar la informacin del sistema antes de tomar una decisin. Los retardos de informacin representan un mecanismo de filtro cuya principal virtud consiste en suavizar los picos que presenta la evolucin de una variable teniendo un valor promedio de la misma como punto de referencia. En este proceso la informacin ms reciente influye en el promedio de forma ms significativa que la antigua. Al igual que el retardo de material en este retardo, la informacin toma tiempo en fluir de un punto a otro en el sistema, por lo que habitualmente se usa este tipo de retardo para representar el ajuste gradual de las percepciones o las creencias. El hecho de que las creencias, expectativas y proyecciones de los seres humanos estn basadas en la informacin disponible hasta el momento y que las personas no cambian su forma de pensar inmediatamente, frente al arribo de nueva informacin, son consideradas como las principales razones por las cuales se provocan retardos en la transmisin de la informacin en un sistema. Los retardos de informacin no pueden ser modelados de la misma forma que se modelan los retardos de material, bsicamente porque no hay entrada ni salida fsica o de material. En los retardos de material tanto las entradas como las salidas se deben conservar, por ejemplo, si se enva un cierto nmero de cartas, el mismo nmero de cartas ha de llegar a sus destinatarios o en caso extremo, deben volver a la oficina de correos aquellas que no pudieron entregarse para devolverlas al remitente. A diferencia de los materiales las percepciones o las creencias no se conservan, es decir, si alguien conoce una informacin y la comparte a otra persona, este hecho no implica que la primera persona ya no tenga la informacin y la segunda s, como sucede cuando el cartero entrega una carta. Como se dijo al comienzo de esta seccin el retardo de informacin tambin se denomina como suavizador de la entrada. La estructura general de un retardo de informacin de primer orden es como se muestra en la siguiente grfica.

figura 44

Retardo de orden uno de informacin

En este caso La Entrada asume un valor de 100 en t=0, TA tiene un valor de tres (3), N1 (que es la salida) en T=0 es 0 y Fe = (Entrada-N1)/TA. ( )

Como se puede inferir, tanto el comportamiento de un retardo de informacin como uno de material son cuantitativamente iguales, la diferencia radica en la forma en que stos se conceptualizan matemticamente hablando y naturalmente la estructura en trminos de los elementos de dinmica de sistemas. Se presentan retardos de informacin cuando, por ejemplo, los economistas no saben el valor nominal del PIB hoy, y no lo pueden saber porque los trabajos disponibles no se informan inmediatamente a las personas que los estn buscando, es decir, hoy el PIB tiene un valor, pero ste slo podr calcularse un tiempo despus una vez se recolecte los datos necesarios para calcularlo, este tiempo ser el tiempo de retardo. Otro ejemplo se presenta cuando se toman decisiones sobre, por ejemplo, qu tanto producir basado nicamente en la informacin de las ventas; en este caso las ventas promedio pueden ser utilizadas como expectativas de venta real. Es importante que el lector recuerde que el orden de un retardo viene dado por el nmero interno de niveles que tenga la estructura que lo representa y que el tiempo de ajuste TA es el tiempo promedio que una unidad permanece dentro del retardo. En la siguiente figura se muestra como se implementa un retardo en Evolucion . La variable auxiliar Entrada se define como Entrada = IF(t=0,100,0), es decir, que para t=0, tendr un valor de 100, en cualquier otro tiempo su valor ser 0. El retardo se define como Salida = RETARDO(Entrada, TA, 1, 0), en donde Entrada representa el origen de los datos, TA es el tiempo de ajuste o tiempo de retardo, 1

indica el orden y 0 el valor inicial del retardo. Se invita al lector para que observe cuidadosamente la figura 45 y establezca la relacin con la figura 44.

figura 45

Retardo de orden uno de informacin

Tanto el retardo de informacin, como el retardo de material se representan con la misma funcin en Evolucion , la diferencia debe estar clara en la mente del modelador.

CAPTULO 5: ELABORACIN DE DIAGRAMAS DE FORRRESTER

Introduccin Este captulo retoma los referentes tericos que han sido planteados desde un comienzo del curso, referidos especialmente a la teora general de sistemas, el pensamiento sistmico, la elaboracin de diagramas de influencias y los elementos de los diagramas de Forrester. Para conseguir mostrar la forma en que se elabora un diagrama de Forrester se llevar a cabo el modelado del fenmeno relacionado con la dinmica de la presa predador que fuera presentado formalmente por Lotka y Volterra 25. Los autores referenciados plantearon un modelo en ecuaciones diferenciales para representar la evolucin de dos tipos de especies diferentes que estn unidas por un fuerte vnculo enmarcado en el ms puro darwinismo (Las especies que sobreviven no son las especies ms fuertes, ni las ms inteligentes, sino aquellas que se adaptan mejor a los cambios); una especie presa, por ejemplo conejos, y otra especie predadora, para el caso, los zorros que conforman un mismo ecosistema.

25

Se invita al lector a consultar esta pgina web: http://jmonzo.blogspot.com/2008/09/lotka-volterra-interdependencia.html

Leccin 1: Leyendo el Diagrama de Influencias Una de las primeras tareas que hay que llevar a cabo para construir los diagramas de Forrester es asegurarse de que el fenmeno que se est modelando ya existe en nuestra mente, (no olvidar la dinmica del ser al existir de la leccin 1, del captulo 2, de la unidad 1) y una vez que el fenmeno exista lo podamos representar mediante un diagrama de influencias. En lo que sigue se mostrar una manera en la que se evidencia que el fenmeno existe, luego se muestra cmo se modela mediante el diagrama de influencias y el de Forrester. Se sigue con la solucin propuesta por Lotka y Volterra (1978) a la dinmica que se desarrolla en el espacio de un ecosistema cuando dos especies conviven siendo una de ellas la presa y el otro el predador. Se invita al lector a revisar esta direccin web http://forio.com/simulate/billy/predator-prey-dynamics/run/ Del ser al existir de la dinmica conejo-zorro Se har aqu una descripcin de la dinmica propia del fenmeno en estudio. Para ello se definirn unos supuestos iniciales, los cuales en las primeras versiones de un modelo deben ser lo ms simples posible. Para este caso el primer supuesto es que la especie presa se desenvuelve en un medio sin escasez de alimento, el segundo supuesto es que la especie presa no tiene otro predador adicional; el tercer supuesto es que la especie predadora nicamente consume la especie presa, es decir, slo existe competencia inter-especfica y no competencia intraespecfica o canibalismo. Es preciso sealar que los supuestos simplifican el fenmeno, pero se requiere hacerlo para poder iniciar el proceso de modelado, ahora bien, en la medida en que sea necesario incrementar el poder explicativo del modelo habr que incluir ms variables y replantear los supuestos. Lo antes expuesto implica que el modelo parte de la hiptesis de que se trata de un sistema cerrado, es decir que ambas especies estn encerradas en un espacio con las condiciones de una isla como si se tratara de un reality show al estilo del big brother.

figura 46
26

Modelo Presa Predador26


de:

Fotografa tomada http://sakshat.amrita.ac.in/VirtualLab/?sub=BIOTECH&brch=POE&sim=lotka_volta_simulator&cnt=theory

Para elaborar el diagrama de influencias se procede a identificar las variables importantes para la descripcin del sistema. El diagrama de influencias del modelo presa predador Recordando los supuestos iniciales de que slo hay una especie predadora y una presa, que no hay problemas de alimentos para los conejos y que se trata de un sistema cerrado, las variables a considerar son las siguientes: El nmero de conejos, el nmero de zorros, la necesidad alimenticia de los zorros, la tasa de natalidad de los zorros y los conejos, la vida promedio de los zorros y conejos, la densidad poblacional de los zorros y conejos. Cada una de estas variables se relaciona mediante arcos entre ellas formando el diagrama de influencias que se muestra en la figura 47. Se invita al lector a revisar el captulo tres de la Unidad Uno.

figura 47

Diagramas de Influencias Presa Predador

Del grfico es posible observar que la cantidad de conejos aumenta consecuencia de los nacimientos y stos a su vez aumentan consecuencia de la tasa de natalidad y la cantidad actual de conejos. Igual anlisis se aplica con los zorros, slo que los nacimientos, en el caso de stos, depende de la cantidad de conejos, su fuente de alimento.

Es importante que el lector note el signo en la punta de cada fecha, por ejemplo de nacimientos de conejos a conejos la flecha tiene un signo ms +, esto indica que al haber nacimientos se incrementa el nmero de conejos y a su vez si el nmero de conejos aumenta, los nacimientos de conejos tambin aumentan, es decir, aparece una relacin circular o ciclo de realimentacin, en este caso, positivo. Se invita al lector a revisar los ciclos de realimentacin 2, 3 y 4 y despus que identifique un ciclo adicional en el grfico. Es importante sealar que la metodologa de dinmica de sistemas plantea la elaboracin de una hiptesis dinmica, la cual, como se ha dicho antes, se presenta mediante un diagrama de influencias el cual debe capturar las relaciones bsicas de realimentacin que dan cuenta del fenmeno estudiado. No obstante, el diagrama de influencias no recoge otras caractersticas tiles del sistema: no se tiene informacin sobre el tiempo de simulacin, ni se explica s una variable est describiendo el estado del sistema, o la magnitud de las relaciones que se dan en su interior, as como la relacin funcional entre las variables, es decir, no informa claramente sobre los niveles, los flujos o las variables auxiliares, respectivamente. Es importante sealar que no se debe confiar plenamente en la versin final de un diagrama causal a menos que se haya hecho un diagrama de flujos y niveles a partir de l, pues la construccin del diagrama de Forrester permite corregir relaciones que se pasan por alto cuando se hace un diagrama de influencias.

Leccin 2: Definiendo los Niveles Esta leccin mostrar algunas prcticas que son convenientes de llevar a cabo a la hora de identificar los niveles a partir del diagrama de influencias. Inicialmente se debe recordar que los niveles son acumulaciones, que caracterizan el estado del sistema, que generan informacin para la toma de decisiones, que son la memoria del sistema y adems que crean retardos al acumular la diferencia entre lo que entra y lo que sale. De otra parte se debe tener en cuenta que los niveles son generalmente una cantidad y que son los flujos los que causan las variaciones de dicha cantidad. As mismo es importante tener en cuenta que se debe cumplir con el principio de conservacin de la materia, es decir, que los contenidos de los niveles y de los retardos de material se conservan, es decir, que las cosas deben permanecer en los niveles o retardos hasta que salen. Otro aspecto importante a considerar es que los sistemas dinmicos modelados con dinmica de sistemas son de estado determinado, esto es, que un nivel nicamente cambia por flujos de entrada y salida, y estos a su vez son determinados por los niveles. Manos a la obra. Inicialmente hay que hacerse la siguiente pregunta: qu cosas se acumulan o se van disminuyendo en el fenmeno? Para el caso de la isla y teniendo en cuenta los supuestos es claro que tanto los conejos como los zorros se acumulan, es decir, la cantidad de zorros que se tiene hoy en la isla ser igual a la cantidad que haba ayer ms los que nacen entre ayer y hoy, menos los que mueren en el mismo intervalo de tiempo. Igual anlisis opera con los conejos, se invita al lector para que lo realice por su propia cuenta. Si lo anterior se expresa en trminos de ecuaciones en diferencias se tiene que: Z(t) = Z(t-1) + NacZ(t-1) MueZ(t-1), En donde Z(t) es la cantidad de zorros en el tiempo t, NacZ(t-1) es la cantidad de zorros nacidos entre t y t-1 y MueZ(t-1) es la cantidad de zorros que mueren entre t y t-1. Ntese que Z(t) es el resultado de una suma algebraica. Al revisar las dems variables, ninguna de ellas tiene un comportamiento que implique acumulacin. Se sugiere revisar el smil hidrodinmico. Solamente las variables de nivel pueden ser incrementadas o disminuidas por variables de flujo. Si un parmetro o una variable auxiliar, est conectada a una

variable de nivel, es porque es la condicin inicial de la variable de nivel, y depende de ese parmetro o variable auxiliar. Despus del tiempo cero, el nivel se calcular a partir de la tasa neta de los flujos.

Leccin 3: Identificando los Flujos Una vez se han identificado los niveles la tarea de identificar los flujos resulta ms sencilla pues los flujos siempre estarn relacionados con los niveles. Se debe recordar que el tiempo es dinmica de sistemas es continuo, pero los flujos deben ser necesariamente instantneos. La Dinmica de Sistemas representa el tiempo como continuo, bsicamente porque los eventos ocurren en cualquier momento y el tiempo puede ser dividido en finos intervalos de tiempo (dt). De otra parte nadie podr medir el valor instantneo de ningn flujo, pues siempre el flujo se dar entre dos instantes de tiempo, a ese espacio temporal se le denomina t y en clculo infinitesimal es dt. Las unidades que fluyen hacia y desde un nivel pueden ser o continuamente divisibles como es el caso de la fracciones de pesos o un nmero discreto de cosas, por ejemplo, cantidad de personas. En el caso de los conejos y los zorros de la isla es claro que si un nivel est determinado por el nmero de Conejos, habr dos cosas que lo afectan, de un lado los nacimientos y de otro las muertes. Se sugiere revisar figura 47. Fjese seor lector que la cantidad de conejos se incrementa con los conejos que nacen. As mismo la cantidad de conejos se disminuye con las muertes. De esta manera se identifica un par de flujos que afectan al nivel. En la siguiente grfica se ilustra esta situacin.

figura 48

Nivel y Flujos asociados a los conejos

La figura 48 muestra el diagrama de influencias, el diagrama de Forrester y una grfica de comportamiento, asociados a la dinmica propia de los Conejos. En dicha grfica es posible observar el nivel Conejos y los flujos Naci_Conejos y Muerte_Conejos responsables de las variaciones de ste. Si los nacimientos son mayores a las muertes se espera lgicamente un crecimiento de la cantidad de conejos; si las muertes son mayores a los nacimientos se producir una disminucin de la cantidad de conejos a tal punto de llevarlos a la extincin; si ambos flujos son iguales el nivel se mantendr con el mismo valor inicial. Revisemos en lo que sigue la manera como se desarrolla el modelo de los conejos y los zorros.

figura 49

Modelo presa - predador

En este modelo tanto la variable Conejos y como Zorros son los niveles o variables de estado y representan el nmero de conejos y zorros respectivamente. A, B, C y D son constantes positivas, para el caso de la dinmica de sistemas son parmetros. Los cuatro trminos tienen el siguiente significado: A y C reflejan las condiciones de crecimiento de las especies, es decir, A es igual a la tasa de natalidad de conejos menos la tasa de mortalidad de conejos y C refleja la misma relacin pero con respecto de los zorros. Para el caso de B y D estos parmetros reflejan las interacciones entre los zorros y conejos, es decir, B establece la

relacin condicionante de existencia de conejos para la reproduccin de los zorros y D representa la relacin de depredacin de los conejos por parte de los zorros. En ausencia de zorros la poblacin de conejos, (la velocidad de variacin del nmero de conejos), aumenta con el tiempo de forma proporcional al nmero de conejos. El crecimiento es exponencial (ley de crecimiento malthusiana) y A es su ritmo o tasa de crecimiento, es decir, su tasa de reproduccin; en el modelo esta situacin es modelada con el flujo Nacimientos de conejos. En ausencia de conejos el nmero de zorros (su velocidad de variacin) disminuye exponencialmente y de forma proporcional (con ritmo C) al nmero de zorros presentes; en el modelo ste efecto se simula con el flujo muerte de zorros. Se supone que resulta esencial la existencia de conejos suficientes para poder crecer o, al menos, mantener la poblacin actual. En presencia de los zorros el nmero de conejos disminuye como consecuencia de los posibles encuentros entre presa-predador y este efecto se supone proporcional al producto de ambas poblaciones (-B*Conejos*Zorros), esto se refleja en el modelo mediante el flujo de muertes de conejos; mientras que la poblacin de zorros aumenta como consecuencia de estos encuentros en una forma similar (D*Zorros*Conejos); en el modelo esto se representa en el flujo Nacimiento de zorros. Es preciso que el lector reconozca lo dicho en los prrafos anteriores en el modelo.

Leccin 4: Usando las variables auxiliares Las lecciones previas han dado algunas ideas para identificar niveles y flujos; en lo que sigue se darn expondrn algunas ideas acera de cmo usar adecuadamente las variables auxiliares. Las variables auxiliares representan pasos o etapas en que puede llegar a estar el clculo de una variable de flujo a partir de los valores representados por los estados de la variable de nivel. Las variables auxiliares unen los canales de informacin entre las variables de nivel y las de flujo, aunque en realidad son parte de las variables de flujo. Sin embargo se distinguen de ellas en la medida en que su significado real sea ms explcito. Las variables auxiliares de pueden emplear para mostrar relaciones no lineales. Si se revisa el modelo de conejos-zorros, all an no hacen aparicin las variables auxiliares, bsicamente por no ser necesarias, pero podran ser incluidas para aumentar el poder explicativo del modelo. La manera en que se deben usar las variables auxiliares se ilustra en la figura 50. Si se observa con detenimiento es posible percatarse de como aparecen las variables Mul_Lim_Comida, Enc_Probables y Con-Depredados. La primera variable considera el efecto que sobre los nacimientos de los predadores tiene la presencia o no de presas; esta variable (Mul_Lim_Comida) se determina a partir de un parmetro (Efecto_nac_zor) y la cantidad de conejos, expresando finalmente el efecto que la abundancia o escasez de comida tiene sobre los nacimientos de los predadores. La variable auxiliar Enc_Probables calcula de manera instantnea la cantidad de encuentros entre zorros y conejos, variable que resulta determinada por la cantidad de zorros, la de conejos y por la probabilidad de que ocurra un encuentro entre miembros de las poblaciones. Finalmente la variable Con-Depredados calcula la cantidad de conejos que son depredados consecuencia de la cantidad de zorros existentes. La importancia de esta variable auxiliar consiste en que logra separar de un lado a los conejos que mueren de forma natural y de otra a aquellos que mueren en las fauces de los zorros. No olvidar, en todo caso, que el modelo de Locka-Volterra del cual se parti no hace esta distincin. Los parmetros utilizados representan cantidades que no cambian a travs del tiempo y permanecen constantes o su tasa de cambio es tan lenta que en el horizonte temporal considerado no logra un cambio significativo que produzca sesgos importantes en los resultados del modelo. Se invita al lector para que revise detenidamente el modelo y logre identificar all las nuevas variables auxiliares que se incluyeron en el modelo al igual que los parmetros que fue necesario incluir.

figura 50

Modelo presa predador con variables auxiliares

Ntese tambin que los valores de las curvas lo mismo que los aspectos cualitativos han cambiado, pero mostrando un comportamiento ms suave que podra ser ms cercano a la realidad.

Leccin 5: Usando los retardos y tablas Cuando se incluye un retardo en un modelo, ste puede producir alteraciones en el comportamiento observado. Si se revisa el modelo es claro que los nacimientos de zorros aumenta la cantidad de zorros, pero tambin es cierto que todos los zorros no van a cazar conejos, ya sea porque estn muy pequeos o porque estn muy viejos, en cuyo caso o comen las sobras o simplemente mueren. Si al modelo de zorros y conejos se le adiciona un retardo que represente el tiempo que le lleva a un zorro cachorro convertirse en adulto se ganara en capacidad explicativa del modelo, pues el supuesto de que todos los zorros cazan sera ms real; en este caso habra que calcular los nacimientos con una nueva variable auxiliar (NacZorros) y luego retardar su inclusin en el nivel de zorros un cierto tiempo equivalente al necesario para que el cachorro se convierta en adulto. La variable de flujo ahora se llama EntradaZorrosAdu, es decir, que slo se considera al flujo como entrada de zorros a la isla, o en otras palabras, zorros que abandonan a la madre y se convierten en potenciales cazadores. Se invita al lector a revisar la siguiente figura.

figura 51

Modelo Presa Predador con Retardo

Ntese las elipses rojas que indican los cambios antes descritos, obsrvese el efecto sobre, los zorros y los conejos, luego de haber incluido un retardo. Los retardos en los sistemas son los responsables de los cambios, en la mayora de

los casos, contra-intuitivos por lo que son difciles de identificar en el fenmeno modelado. Cuando se usan retardos, stos se deben indicar en el diagrama de influencias con un par de barras paralelas, ver el diagrama de influencias de la figura 51. Conviene repasar la leccin 5 del captulo 4: Caracterizacin de los Retardos. Las tablas se usan en dinmica de sistemas para representar ya sea no linealidades o multiplicadores. En el actual modelo se ha considerado que la relacin entre conejos y zorros, para garantizar la supervivencia de los ltimos es de 0.17, (que equivale a decir que un zorro se come dos conejos en promedio en cada intervalo de tiempo, en las condiciones iniciales del modelo) este valor es constante sin importar la relacin entre unos y otros que suele cambiar a travs del tiempo, lo que hara que se incrementaran o disminuyeran los nacimientos por la consideracin bsica de la densidad poblacional. Si en el modelo se cambia la taza natural de nacimiento de zorros por una relacin cambiante segn se explic arriba, se tendra que usar un multiplicador que recogera el efecto del cambio en la densidad poblacional y lo aplicara a la variable nacimientos de zorros. Este hecho naturalmente cambia de nuevo la dinmica del comportamiento, pero sigue mostrando una cualitativamente semejante. La figura 53 se muestra cmo queda el modelo despus de hacer los cambios indicados y en la siguiente el multiplicador diseado para reemplazar la tasa TNZ.

figura 52

Multiplicador

Ntese que la salida TNZ vara entre 0.080 y 0.182, es decir que esos valores estn por encima y por debajo de 0.17 que era el valor del parmetro anterior llamado TNZ.

figura 53

Modelo Presa Predador con Retardo y Multiplicador

Es importante ver que la entrada del multiplicador es la variable auxiliar relconzor que se calcula a partir de la relacin nmero de zorros dividido por el doble del nmero de conejos. Es importante sealar que este cambio nos muestra en el modelo un comportamiento que se aproxima a la solucin terica de LockaVoletra. Para elaborar el modelo tenga en cuenta las siguientes ecuaciones. Nombre = CONEJOS :Nivel_ Definicin = 15 Descripcin = Nombre = Con_Depredados :Auxiliar_ Definicin = Enc_Probables*P_Z_C_C Descripcin = Nombre = Efecto_Nac_zor :Parametro_ Definicin = 0.06 Descripcin =

Nombre = Enc_Probables :Auxiliar_ Definicin = PosEncuentros*P_Z_E_C Descripcin = Nombre = EntradaZorrosAdu :Flujo_ Definicin = RetCreZorros Descripcin = Nombre = Mu_Nat_Con :Flujo_ Definicin = (TMC*CONEJOS)+Con_Depredados Descripcin = Nombre = Mue_Nat_Zor :Flujo_ Definicin = TMZ*ZORROS Descripcin = Nombre = Mul_Lim_Comida :Auxiliar_ Definicin = CONEJOS*Efecto_Nac_zor Descripcin = Nombre = NacZorros :Auxiliar_ Definicin = (TNZ*ZORROS)*Mul_Lim_Comida Descripcin = Nombre = Nac_Nat_Con :Flujo_ Definicin = TNC*CONEJOS Descripcin = Nombre = P_Z_C_C :Parametro_ Definicin = 0.7 Descripcin = Nombre = P_Z_E_C :Parametro_ Definicin = 0.05 Descripcin = Nombre = PosEncuentros :Auxiliar_ Definicin = CONEJOS*ZORROS Descripcin = Nombre = RetCreZorros :Retardo_ Definicin = RETARDO(NacZorros,1,1,0) Descripcin = Nombre = TMC :Parametro_ Definicin = 0.05 Descripcin =

Nombre = TMZ :Parametro_ Definicin = 0.08 Descripcin = Nombre = TNC :Parametro_ Definicin = 0.2 Descripcin = Nombre = TNZ :Tabla_ Definicin = INTLINEAL(2,0.2,0.3,0.08069644,0.08623956,0.09732579,0.1192878,0.153278,0. 1683122,0.175,0.18,0.182,0.183,0.1815029) Descripcin = Nombre = ZORROS :Nivel_ Definicin = 5 Descripcin = Nombre = relconzor :Auxiliar_ Definicin = ZORROS/(2*CONEJOS) Descripcin =

CAPTULO 6: SIMULACIN

Introduccin Se acepta comnmente que la simulacin es la experimentacin que se lleva a cabo usando un modelo de una hiptesis o de un conjunto de hiptesis que dan cuenta de un sistema o de la solucin a un problema simulado. Shannon (1976) define la simulacin como "el proceso de disear un modelo de un sistema real y llevar a trmino experiencias con l, con la finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias -dentro de los lmites impuestos por un cierto criterio o un conjunto de ellos - para el funcionamiento del sistema". Para Naylor (1971) la simulacin es una tcnica numrica para conducir experimentos en una computadora digital. Estos experimentos comprenden ciertos tipos de relaciones matemticas y lgicas, las cuales son necesarias para describir el comportamiento y la estructura de sistemas complejos del mundo real a travs de largos periodos de tiempo. En adelante se puede asumir que la simulacin es la generacin de posibles estados de un sistema con el concurso de las matemticas y las computadoras dentro del contexto de un lenguaje de modelado.

Leccin 1: Escenarios de Simulacin Los escenarios de simulacin son el equivalente a las condiciones iniciales que se usan en la resolucin de ecuaciones diferenciales. Se definen a partir de los valores de los parmetros y las variables de estado o niveles y las formas particulares de las no-linealidades y los multiplicadores. Hasta ac debe ser claro que la simulacin permite tomar decisiones de manera virtual, aprender de los errores y de los aciertos, y luego volver atrs como si nada hubiese ocurrido, es decir, que con un buen modelo, se pueden evaluar diferentes estrategias y estudiar sus efectos en el entorno para extrapolar conclusiones. Se adquiere experiencia con costos bajos y evitando el riesgo de enfrentar potenciales consecuencias adversas. Mediante un plan de pruebas, se evaluarn los beneficios y los riesgos asociados a cada alternativa en los escenarios simulados; as podr identificarse la estrategia ms conveniente en cada caso. Una situacin comn en los albores del siglo XXI es la prisa o el ansia por obtener resultados en el corto plazo, la falta de plantificacin y elaboracin de soluciones. Por este motivo una de las tareas a las que todo individuo con poder de decisin debera dedicarse es al modelado y diseo de escenarios de simulacin. Pensar los escenarios de simulacin es una tarea pesada y que la mayora prefiere dejar para otros, pero sin esta base las decisiones no sern tomadas de forma acertada debido bsicamente a la falta de direccin, estrategia, visin y planificacin, y mucho ms en un entorno cambiante. Alguno tericos como Peter Schwartz (1991), proponen algunas estrategias para llevar a cabo de forma exitosa simulaciones de escenarios, definiendo posibles situaciones futuras para determinar las acciones a desarrollar. No es una receta infalible, sino de una tcnica mediante la cual se trata de definir cmo ser el entorno en el medio y largo plazo (con varios escenarios) y definir las acciones a desarrollar para lograr los objetivos propuestos. La tcnica de Schwartz, adecuada al modelado dinmico sistmico, tiene 5 pasos. 1. Realizar un modelo: procurando identificar las variables relevantes del sistema. 2. Definir un mapa con dos ejes; los ejes vendrn determinados por las dos variables ms inciertas que se haya identificado. 3. Imaginar futuros posibles. A veces definir escenarios es muy fro, de forma que puedes tratar de transformar cada escenario en una historia de futuro. 4. Pensar en implicaciones y acciones. Para cada escenario pensar en implicaciones y acciones a desarrollar

5. Finalmente ser necesario definir indicadores de seguimiento. Definidos los escenarios y las actuaciones es imprescindible realizar un seguimiento de los mismos con la finalidad de poder ir modulando las acciones.

Este ejercicio no dar el escenario futuro exacto pero si ayudar a: Analizar la situacin actual Analizar el entorno Reelaborar los modelos mentales acerca de la realidad Mantenerse atento a los cambios Disponer de un plan de actuacin a medio y largo plazo Huir de la coyuntura de un momento

En lo que sigue se hacen un par de aclaraciones que es preciso que el lector domine conceptualmente. Un escenario debe ser entendido como la descripcin de una situacin que pudiese presentarse como resultado de una accin o por una dinmica evolutiva en el tiempo. As mismo la construccin de escenarios implica el diseo y elaboracin de un nmero de visiones consistentes internamente de futuros posibles, combinando la informacin disponible y las posibilidades de futuro. El diseo de escenarios de simulacin permiten en esencia visualizar el futuro, y es especialmente til cuando ste no puede ser visto como una simple prolongacin del pasado, es decir, cuando una mera extrapolacin generada por una regresin es suficiente. Tal visualizacin consiste en tener un panorama de futuros posibles, representados cada uno de ellos en un escenario determinado. Algunas caractersticas del diseo de escenarios: Ejercicio colectivo, es decir, se debe desarrollar un proceso de reflexin compartida. Se proyecta al largo plazo, esto es, 10, 15 o 20 aos son los horizontes temporales habituales. Se valoran las proyecciones en el marco del fenmeno determinado por sus efectos sociales, polticos y econmicos. Se analizan y valoran los obstculos que se oponen a la materializacin de las proyecciones o comportamientos esperados y se revisan las fuerzas que pueden facilitarlas. Alta dependencia con la realidad modelada.

Escenarios y pronsticos Los escenarios tienen que ver con los procesos relativos a precisar lo que va a pasar, como consecuencia de una accin determinada o de una dinmica evolutiva de un proceso de naturaleza esencialmente incierto. El pronosticar es en esencia un sinnimo de predecir y el resultado de un buen proceso de simulacin de escenarios ha de ser cul de un conjunto posible de escenarios es ms probable, es decir, cul ser el escenario que ha de ser pronosticado. Los escenarios y la toma de decisiones La inteligencia en la toma de decisiones se entiende como la capacidad de reunir y analizar datos para la difusin de informacin relevante que permita crear conocimiento apto, empleando para ello la simulacin mediante escenarios como herramienta de estudio de los pronsticos o de los futuros plausibles, con el fin de determinar entre todos los escenarios posibles el ms favorable y probable. Tanto la cobertura como el tipo de simulacin a seguir la debe definir el usuario final del modelo, esto se justifica en la medida en que la simulacin de escenarios puede ser aplicada a cualquier problema que pueda ser modelado y que requiera de una solucin estratgica. Cmo construir o Simular escenarios. Adicional a la propuesta de Peter Schwartz (1991), en trminos generales se puede proponer como etapas para la construccin y simulacin de escenarios las siguientes: Etapas 1. Identificar el tema focal, los objetivos del anlisis, el horizonte temporal, el problema a modelar y a resolver. 2. Seleccionar el grupo de trabajo que puede ser mediante la aplicacin de: 2.1. Tcnicas prospectivas, es decir: seleccionar un grupo con un nivel lo ms homogneo posible; realizar trabajo individual; que haya anonimato entre los integrantes del grupo y que los datos se den a partir de juicios de valor basados en conocimiento, experiencia, imaginacin, sentido comn e intuicin. 2.2. aplicando la inteligencia empresarial, mediante el aporte de especialistas en Inteligencia empresarial ms un grupo pequeo de expertos (con iguales caractersticas). El grupo de expertos apoya el trabajo y lo complementa, pero los datos principales, parten de los productos de inteligencia previamente realizados, ej: estudios de tendencias.

3. Analizar el entorno, que consiste bsicamente en identificar el contexto dentro del cual se desarrolla el problema procurando identificar variables exgenas determinantes o determinadas por el problema en cuestin. 4. Identificar y caracterizar las variables claves predecibles, construir el modelo, para ello se siguen los lineamientos previamente presentados en las lecciones precedentes, pero vale la pena recordar que es conveniente la determinacin: 4.1. de varios indicadores que caractericen el futuro de una variable. 4.2. de las variables o indicadores que caractericen un escenario o situacin. 4.3. y de las variables considerando las tendencias y eventos que permitan construir todos los escenarios posibles: Tendencias: variables continuas importantes en la descripcin del estado de un escenario, basadas en consideraciones polticas, econmicas, sociales y tcnicas. Eventos: cambios repentinos que pueden ocurrir en el futuro, donde la ocurrencia de un evento puede alterar la estructura de los escenarios y por tanto de una o ms tendencias. 5. Recopilacin de los datos. Esta fase consiste bsicamente en la caracterizacin de una o varias variables a partir de fuentes confiables como opiniones de expertos o datos medidos por otras fuentes. Cada variable debe quedar expresada en su escala natural de medicin y todos los resultados deben ser expresados en una sola escala de medicin, la ms factible, esto redunda en la homogeneidad de los resultados. 6. Procesamiento y anlisis de los resultados. Para este propsito se pueden realizar desde dos perspectivas ya sea la sinttica o la analtica. En el primer caso se obtiene un escenario con los con los valores sntesis de cada variable y en el segundo se construyen escenarios posibles, tomando en consideracin todas las relaciones entre los eventos y las tendencias. 7. Construccin del escenario futuro o de todos los posibles, con la determinacin de los ms probables y favorables. Para lograrlo se propone: 7.1. Determinacin del escenario ms probable. Empleo de Evolucin o Vensim o cualquier otro software. 7.2. En el grupo de trabajo se determinan los escenarios: ms optimista y pesimista entre los ms probables. 7.3. Elaboracin de un plan de accin para cada escenario seleccionado, que permita, en la medida de la variacin de las circunstancias, tomar medidas con la previsin adecuada. Interaccin con el futuro 8. Evaluacin de las implicaciones de los escenarios al planeamiento estratgico que pueden ser de alcance: Nacional o regional, por ejemplo en la:

Determinacin del futuro socioecnmico de una regin o pas. Identificar campos de desarrollo y aplicacin de la tecnologa. Caracterizacin de las tecnologas futuras en un sector determinado. Futuro del comercio internacional: nuevas modalidades. Caracterizacin de escenarios futuros de sectores industriales.

Empresarial en el anlisis y comprensin de las fuerzas que operan en el entorno y que determinan o determinarn los escenarios en los que deben o debern gestionar las empresas. Algunos ejemplos: Estrategia para la comercializacin de un producto o servicio. Evaluacin de la factibilidad de un proceso de transferencia de tecnologa. Evaluacin de la factibilidad de una fusin o alianza.

9. Toma de decisiones. Interaccin con el futuro, acciones dirigidas al escenario ms favorable. Para lograr una efectiva toma de decisiones se debe: Partir de un conocimiento profundo de las realidades del espacio a caracterizar y de las herramientas y metodologas a emplear. Manejar tanto la inteligencia organizacional, como la prospectiva, los pronsticos y la simulacin de escenarios, consideradas stas como herramientas estratgicas. Emplear la simulacin de escenarios para predecir o generar futuros plausibles posibilitando la interaccin con ste, permitiendo alcanzar una mayor competitividad. Simular escenarios teniendo en cuenta que se trata de una de las herramientas claves para la realizacin de pronsticos y la prctica de la prospectiva contribuyendo directamente en la reduccin del nivel de incertidumbre.

En la leccin que sigue se construir un par de escenarios con el modelo de los conejos y los zorros y se proceder con el anlisis de sensibilidad.

Leccin 2: Anlisis de Sensibilidad El anlisis de sensibilidad tiene como propsito, a partir del diseo de un escenario, identificar los lugares en los que el sistema es ms sensible, es decir, aquellos lugares en que con poco esfuerzo se logran resultados importantes. El anlisis de sensibilidad permite: Estimar la sensibilidad de los resultados del modelo a cambios de un parmetro, realizando anlisis del tipo que pasa si. Conocer qu variables de riesgo son importante asociadas al manejo de incertidumbre, por ejemplo, una variable es importante dependiendo de su participacin porcentual en los beneficios o costos y de su rango de valores probables. Determinar la direccin del cambio en las variables. En el caso de un proyecto de inversin el anlisis de punto de quiebre permite determinar cunto una variable puede cambiar hasta que su VAN se vuelva negativo. Limitaciones del Anlisis de Sensibilidad Rango y distribucin de probabilidad de variables. El Anlisis de Sensibilidad tpicamente no representa el posible rango de valores. El Anlisis de Sensibilidad no representa las probabilidades para cada rango. Generalmente hay una pequea probabilidad de estar en el extremo. Direccin de los efectos. Para la mayora de variables, la direccin es obvia Conejos aumentan Los zorros aumentan Las muertes de conejos aumentan La cantidad de conejos baja Si los lobos aumentan No es tan obvio cuando comienzan a disminuir los conejos Un anlisis basado en el cambio de una sola variable no es realista porque las variables estn interconectadas. Si el nmero de conejos aumenta, la cantidad de zorros aumentar. Si se acabara la comida de los conejos, todos, conejos y zorros se disminuiran. Siguiendo con el modelo de zorros y conejos se proponen dos escenarios y se realiza el anlisis de sensibilidad con cambios en los parmetros del modelo y se observa el efecto sobre algunas variables del modelo. Supngase que se tiene el siguiente escenario, en el que se va a modificar la TNC (tasa natural de nacimiento de conejos sin presencia de depredadores) desde el 20 % al 16 % disminuyendo en cada caso un 1%. Ver la siguiente tabla.

Variables Var 1 Var 2 Var 3 Var 4 Var 5

TMC 0,05 0,05 0,05 0,05 0,05

Escenario 1 TNC Conejos 0,20 15 0,19 15 0,18 15 0,17 15 0,16 15

TMZ Zorros 0,08 5 0,08 5 0,08 5 0,08 5 0,08 5

Este escenario permite ver qu sucede si hay cambios en la tasa de natalidad natural de los conejos, obsrvese que puede ser un parmetro controlable por el modelador mediante algn tipo de medicamento o mediante la disminucin de machos en la isla. Para hacer esto en Evolucion 4.1 inicialmente se e scoge la opcin nuevo anlisis de sensibilidad con variacin de parmetros, vea en la siguiente figura el crculo verde.

figura 54

Anlisis de Sensibilidad

figura 55

Anlisis de Sensibilidad

Se selecciona donde indica la estrella verde la opcin de trayectorias y se incluyen los escenarios, ver la siguiente grfica.

figura 56

Anlisis de Sensibilidad

Para el caso que nos ocupa se selecciona el parmetro, ver grfico rojo. Luego se escoge la variacin, recuerden que variamos de 20% a 16%, la TNC por eso se escoge -0.01, valo verde. Luego se escoge la variable que se quiere observar, es decir, qu pasa con la cantidad de conejos, cuadrado azul. Luego se selecciona el nmero de iteraciones, valo marrn y finalmente se da clic en Aceptar, estrella morada. El resultado es el siguiente.

figura 57

Resultado del Anlisis de Sensibilidad Escenario 1

Obsrvese como una baja en la tasa de natalidad natural provoca oscilaciones en la cantidad de conejos, parece que hay en el modelo un comportamiento contraintuitivo explicado bsicamente por el efecto ltigo que se produce en el retardo y posiblemente el efecto amplificador que tiene la no-linealidad.

Se invita al lector para que disee nuevos escenarios de simulacin teniendo en cuenta qu variable desea observar y bajo qu condiciones. Suponga este nuevo escenario en que se analiza los cambios en la TMC y su efecto en los zorros. Escenario 2 TNC Conejos 0,2 15 0,2 15 0,2 15 0,2 15 0,2 15

Variables Var 1 Var 2 Var 3 Var 4 Var 5

TMC 0,05 0,04 0,03 0,02 0,01

TMZ Zorros 0,08 5 0,08 5 0,08 5 0,08 5 0,08 5

Y observar que sucede con el nmero de zorros en el sistema. Debera suceder algo como lo que se muestra en la siguiente grfica.

figura 58

Resultado del Anlisis de Sensibilidad Escenario 2

El lector deber interpretar las variaciones a partir de las relaciones de las variables del sistema y dar una explicacin plausible.

Leccin 3: Validacin de Modelos El modelamiento es un proceso iterativo en la medida en que no hay un proceso secuencial que lo soporte, por ello los resultados de cada paso pueden llevar a mejorar la comprensin del problema y revisiones de pasos previos, como se indica en el centro del diagrama que sigue. Cada lnea implica un ir de vuelta desde una etapa a otra, por ejemplo, se va de la etapa 1 a la 2, pero igualmente es posible regresar de la cinco a cualquiera de las dems fases.

figura 59

Proceso de modelado segn Sterman27

Introduccin a la validacin de modelos En los procesos de toma de decisiones en los que se usan modelos, ya sean formales o mentales, es preciso que stos sean adecuadamente validados dado que es una eficaz manera de garantizar que el modelo sea una representacin adecuada de la realidad y que est acorde con el propsito para el cual fue hecho. Este proceso presupone la pregunta acerca de si realmente importan los supuestos y especficamente a quin, adems de la consideracin asociada a la documentacin, la cual es frecuentemente ignorada, que debe conducir hacia una adecuada comprensin, evidenciable sta en la rplica y la crtica, expresadas ya sea por otros o por el mismo modelador.
27

Grfica adaptada de Sterman, 2000. Business Dynamics: Systems Thinking and Modeling for a Complex World. Cap. 21.

Para el desarrollo de esta actividad se cuenta con una amplia gama de pruebas, que determinan la robustez y las limitaciones del modelo; es un proceso de construir confianza en el modelo. La validacin debe iniciarse desde la primera ecuacin del modelo velando porque desde un comienzo haya consistencia en las unidades usadas. Al validar el modelo lo que se pretende es verificar que representa la realidad modelada y no meramente la realizacin de rplicas, no se trata de que se repliquen comportamientos funcionales si no que stos se deriven de la estructura del modelo. Es importante asegurarse que cada variable tiene una relacin con la realidad, es decir, debe ser factible establecer para cada variable, el tringulo de la significacin. No se debe perder de vista que el hecho de que las variables se clasifican en suaves y duras. Las variables suaves son aquellas que representan metas, expectativas o percepciones. Al respecto Forrester (1961) dice omitir tales variables (las suaves) es equivalente a decir que ellas tienen efecto cero, probablemente el nico valor que se conozca sea equivocado (traduccin libre)28, pero en todo caso hay que considerarlas. El proceso de validacin de un modelo29 Un modelo en dinmica de sistemas ha de ser validado tanto en lo que a su estructura como a su comportamiento se refiere, aunque valga decir, finalmente resulta en que se valida la estructura de forma directa o indirecta. La validacin de la estructura del modelo consiste en establecer que las relaciones usadas en un modelo son una representacin adecuada de la realidad o relaciones reales, y estn acordes con los propsitos del modelamiento. Este tipo de evaluacin puede ser hecha de dos maneras: directa o indirecta. La prueba de la estructura directa evala la validez de la estructura del modelo comparndola directamente con el conocimiento cierto acerca de la estructura real del fenmeno modelado. Esto implica evaluar cada relacin en el modelo mientras haya conocimiento verificado del sistema modelado. Estas pruebas son cualitativas por naturaleza, no involucran la simulacin. La prueba de estructura indirecta o de comportamiento evala la validez de la estructura indirectamente al aplicar ciertas pruebas de comportamiento sobre los patrones de comportamiento generados por el modelo. Por ejemplo, la prueba de
28 29

FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus Communications. Basado en el texto de BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model Validation, disponible on line en http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado el 2 de mayo de 2011

las condiciones extremas implica asignar valores extremos a parmetros seleccionados y comparar el comportamiento generado por el modelo con el comportamiento esperado o el observado en el sistema real bajo la misma condicin extrema. stas son pruebas extremas de comportamiento que pueden proporcionar informacin indirecta sobre las posibles fallas estructurales. En una prueba tpica de comportamiento orientada a la estructura, el modelador hace una afirmacin de la forma: "si el sistema funciona bajo la condicin C, entonces dara como resultado el comportamiento (s) B." El modelo se ejecuta bajo la condicin C y se dice que ste pasa la prueba comportamiento orientada a la estructura, si el comportamiento resultante es similar al comportamiento esperado. Para estos modelos, la validez significa en ltima instancia la validez de la estructura interna del modelo. Aunque la validacin estructural es crucial, la mayora de la literatura sobre investigacin tcnica sobre la validacin de los modelos se ocupa slo de lo que se conoce como la validacin del comportamiento. Puede haber dos razones principales por las que la validacin de la estructura ha sido ignorada tanto tiempo en la literatura sobre modelos. El primero se deriva de una falta de reconocimiento de la importancia filosfica de la validacin de la estructura en los modelos de caja transparente (a diferencia de modelos de caja negra). La segunda razn tiene que ver con la dificultad tcnica para disear formalmente herramientas estadsticas orientadas a determinar la validez estructural. Fases en la validacin de un modelo En el siguiente grfico se muestran las fases, como un proceso iterativo, para lograr la validacin de un modelo. Inicia con la construccin del modelo y sus posteriores revisiones a partir de los fallos en el intento por pasar alguna de las pruebas. Despus se harn las pruebas de desempeo directo, es decir, las pruebas sobre la estructura del modelo. Si no pasa la prueba se ha de devolver a la fase uno. La siguiente fase evala la estructura a partir de los comportamientos simulados versus los observados u esperados. Si hay fallo en esta prueba, se ha de revisar de nuevo el modelo. La cuarta fase se concentra en validar los resultados del modelo frente a patrones de desempeo. De nuevo si falla en estas pruebas deber ir a revisin el modelo. Finalmente se comunican los resultados de la validacin a los interesados quienes proceden a su implementacin.

figura 60

Proceso de validacin de un modelo

En las lecciones que siguen se enuncian los distintos tipos de pruebas segn lo que se ha presentado en esta leccin.

Leccin 4: Pruebas de modelos en la prctica Se ha venido insistiendo en la importancia que tiene el proceso de validacin de modelos, en lo que sigue se har una descripcin de las pruebas comnmente usadas. Los modelos de dinmica de sistemas son causales y descriptivos, esto quiere decir que estn orientados al diseo en vez del propsito, por lo tanto, los que es esencial en la validacin de un modelo es la estructura interna. Resultado correcto por las razones correctas. Prueba de lmites del modelo Esta prueba busca determinar cules son los lmites que fueron considerados a la hora de definir las variables del sistema y permite deducir si tales lmites son apropiados para el problema en cuestin, es decir, permite verificar que los lmites del modelo se correspondan con su propsito. Para ello es necesario construir un lmite inicial y a partir del mismo estudiar las variables exgenas que podran ser endgenas y las variables exgenas que podran variar en el tiempo de acuerdo con el horizonte temporal. La prueba de los lmites del sistema tienen como propsito determinar qu variables son exgenas y cules son endgenas, es decir, cuales son influenciadas e influencian el sistema o cuales son influenciadas o influencian, el sistema, pero no ambas a la vez. Otro aspecto a considerar es el lmite temporal, es decir, el horizonte de tiempo, en el cual se da la evolucin del sistema a partir delas condiciones iniciales. Pruebas de evaluacin de la estructura Las pruebas aplicadas a la estructura tiene como propsito verificar la consistencia de la estructura con el sistema real, es decir, que busca establecer una correlacin alta entre los elementos constitutivos de la realidad modelada y las variables del modelo. Entre los elementos a considerar estn el nivel de agregacin, la topologa del sistema fsico y las reglas de decisin. Por ejemplo, sera inconsistente tener un modelo que admita un nivel de agua negativo. Adems se debe tener en cuenta que haya consistencia dimensional, es decir, no es coherente que los flujos asociados a un nivel sean de unidades diferentes a lo contenido en el nivel, es decir, si hay un nivel que contiene agua, sera incoherente que hubiere un flujo de vino y que lo que sigue estando contenido en el nivel sea agua. Concluyendo, esta prueba verifica que en el modelo se haya considerado las caractersticas del sistema real relevantes para su propsito.

Evaluacin de parmetros Esas pruebas deben determinar qu tanto los parmetros tienen un significado claro y evidenciable con respecto del fenmeno modelado. Estas pruebas son realizadas con el concurso de herramientas estadsticas o con la opinin de los expertos en el dominio de conocimiento al cual pertenece la realidad modelada. Pruebas de condiciones extremas Esta prueba tiene como propsito probar la robustez del modelo bajo condiciones extremas, es decir, permite analizar si el modelo se comporta apropiadamente cuando las entradas toman valores extremos, por ejemplo: Ante la pregunta de cuntos nacimientos habran si no hay conejas en la isla? y si la pregunta fuera cunto sera el nmero de carros vendidos si el precio se incrementa a 300 millones por carro? El lector puede estar pensando que son obvias las repuestases decir, debera ser obvio que el modelo debera pasar las pruebas de condiciones extremas. Pruebas de reproduccin de comportamiento Para evaluar la habilidad de reproducir el comportamiento en un modelo puede usarse estadsticas comunes, por ejemplo, el R, coeficiente de determinacin, por ejemplo, la fraccin de la varianza en los datos que es explicada por el modelo, esto es, una prediccin perfecta. Tambin se puede usar el MAE: Mean Absolute Error, el MAPE: Mean Absolute Percent Error, la MAE/Mean, el (R)MSE: (Root) Mean Square Error, que pone mayor peso en los errores grandes que en los pequeos. Si se desea evaluar matemticamente el nivel de ajuste de los resultados del modelo con respecto a los datos reales, se usa el Estadstico de Theil, que permite obtener una medida del nivel de ajuste de un modelo conforme a la realidad y consiste en dividir el cuadrado medio del error en tres componentes: sesgo (Um), variacin desigual (Us, unequal variation) y covariacin desigual (Uc, unequal covariation). El sesgo crece cuando la salida del modelo y los datos reales difieren en su media. La variacin desigual indica que la varianza de las dos series difiere. La covariacin desigual indica que el modelo y los datos reales no estn bien correlacionados, es decir, que difieren punto por punto. Para un ejemplo completo se invita al lector a revisar el artculo titulado Un modelo de simulacin de la Produccin de quesos madurados30.

30

MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulacin de la Produccin de quesos madurados. Agroalim, jun. 2009, vol.15, no.28, p.107-122. ISSN 1316-0354.

Leccin 5: Experimentacin Simulada31 Forrester (1961) enuncia una situacin problemtica en la organizacin: el proceso de aprendizaje organizacional es costoso, ineficiente, por ensayo y error. Luego propone la correspondiente mejora: experimentar con laboratorios administrativos. Estos laboratorios, como lo menciona en su libro, tienen como instrumento principal de experimentacin un modelo simulable en el computador construido mediante la dinmica de sistemas. La argumentacin de Forrester inicia caracterizando ciertas limitaciones del proceso "natural" de aprendizaje organizacional que ocasionan ineficiencias en el mismo. Como solucin plantea la constitucin de un proceso "artificial", en laboratorio, de aprendizaje organizacional. La DS es la metodologa para el diseo del laboratorio y de sus instrumentos, y para la experimentacin simulada. Este proceso "artificial" debe de cierta manera superar algunas de las ineficiencias de su contraparte "natural" y de este modo debe hacer ms eficiente el aprendizaje en la organizacin. A partir de este esquema interpretativo sobre los planteamientos de Forrester, la pregunta por las razones que hacen a la dinmica de sistemas adecuada para aplicaciones de AO puede ser desagregada en tres grupos de interrogantes particulares: Cmo sucede el proceso "natural" de aprendizaje organizacional? y Cules son sus limitaciones? Cmo sucede el proceso "artificial" de aprendizaje organizacional? y Por qu la dinmica de sistemas es la metodologa gua para ejercitar este proceso? De qu manera el proceso "artificial" al ser "implantado" sobre el proceso "natural" mejora la eficiencia del aprendizaje organizacional? A continuacin se abordan en este orden cada uno de los interrogantes. Aprendizaje organizacional "natural" Sotaquir et al (1996) indican que Forrester caracteriz este proceso natural de aprendizaje como la constitucin progresiva de una capacidad de juicio como resultado de experiencias de decisin y de accin en situaciones organizacionales. A su vez, esta capacidad de juicio acta como orientadora de las decisiones y acciones en situaciones futuras. En consecuencia, el aprendizaje organizacional natural es un proceso cclico. Cabe recordar que en dinmica de sistemas el concepto de ciclo de realimentacin es fundamental porque es considerado el
31

Tomado parcialmente de RICARDO SOTAQUIRA GUTIERREZ, LILIA NAYIBE GELVEZ PINTO, "Una revisin crtica del Aprendizaje organizacional Dinmica de Sistemas" En: Colombia. 1996. Evento: Coloquio Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la Investigacin-Accin Participativa Ponencia:Libro:Memorias del Coloquio Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la Investigacin-Accin Participativa, Universidad De Los Andes , p.1 - 10

elemento estructural bsico de los sistemas. Finalmente hay que sealar que esta visin del aprendizaje organizacional, como un solo ciclo de realimentacin, es incompleta, por cuanto no presenta la manera como se va constituyendo y modificando la capacidad de juicio para decidir. Mundos virtuales para el aprendizaje organizacional "artificial" Con el fin de superar o atenuar esas limitaciones sobre el proceso natural de aprendizaje organizacional, los investigadores dinmico-sistmicos, como lo seal Forrester, sugieren un proceso artificial. Este ltimo, como todo proceso de aprendizaje a la luz de la dinmica de sistemas, tambin est constituido por un ciclo doble de realimentacin. Pero a diferencia del natural, no se sucede sobre la cotidianidad de la organizacin sino que ocurre en laboratorio. Para hacer posible un proceso de aprendizaje organizacional en laboratorio, es necesario disponer de un modelo de la realidad organizacional sobre el cual se pueda experimentar. Es decir, de manera anloga al aprendizaje natural que sucede en la organizacin, el aprendizaje artificial ocurre alrededor de un modelo de la organizacin, que se denomina micromundo o mundo virtual. El aprendizaje artificial en la organizacin es semejante al natural, lo que cambia es el objeto de aprendizaje y accin, ahora es un mundo virtual. No cualquier modelo de la organizacin sirve como mundo virtual para el aprendizaje en laboratorio. Sobre el mundo virtual debe ser posible experimentar la toma de decisiones y, seguidamente, recibir informacin de realimentacin sobre sus consecuencias. El mundo virtual debe ser entonces un modelo que simule el comportamiento dinmico de la organizacin ante diferentes alternativas de accin y bajo diferentes escenarios organizacionales y ambientales. Incrementando la eficiencia del aprendizaje organizacional Habindose presentado la dinmica de sistemas como una metodologa adecuada para la creacin del laboratorio para el aprendizaje artificial en la organizacin, surge una pregunta. Cmo sera un proceso eficiente de aprendizaje en la organizacin? Un aprendizaje organizacional eficiente sera aquel que, en primer lugar, cumpla con el objetivo principal de hacer explcitos y modificar los modelos mentales individuales y colectivos, lo cual sucede de manera espontnea y espordica en situaciones naturales; y que, en segundo lugar, permita el cumplimiento del objetivo de una manera ms rpida, mediante la superacin de los obstculos naturales citados, inherentes a la realidad organizacional. En consecuencia, se deben satisfacer estas dos condiciones para sustentar que el aprendizaje "artificial" acoplado al proceso natural da como resultado un incremento en la eficiencia del aprendizaje organizacional. La segunda condicin implica el vencer las complejidades y limitaciones propias de la situacin organizacional real que es objeto de aprendizaje. Esta dificultad se

hace patente durante la construccin del modelo y por este motivo el modelo solo puede ser una representacin simplificada de tal realidad, con mayor razn un modelo en dinmica de sistemas por cuanto implica lograr una formalizacin matemtica del fenmeno. Este modelo, el mundo virtual, es el objeto de aprendizaje y experimentacin en el espacio del laboratorio. Sobre el mundo virtual se tiene informacin perfecta acerca de su estructura, expresada en el modelo en dinmica de sistemas, y de su comportamiento, debido a la posibilidad de simulacin.

ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD DOS 1. Qu semejanzas hay entre una derivada y una razn de cambio? 2. Referencie casos en los cuales hay una razn de cambio 3. Explique por qu razn hay cambio en los ejemplos anteriores 4. Cul es la relacin que hay entre razn de cambio y procesos dinmicos? 5. Qu es un sistema dinmico? 1. Diga que es un nivel y d tres ejemplos 2. Diga que es un flujo y d tres ejemplos 3. Diga que es un parmetro y d tres ejemplos 4. Diga que es una variable auxiliar y d tres ejemplos 5. Explique adecuadamente cada respuesta 1. Cmo se identifica un nivel? 2. Cmo se identifica un flujo? 3. Qu diferencia un flujo de un nivel? 4. D otros ejemplos de flujos acoplados a niveles 5. Sustente adecuadamente sus respuestas anteriores 1. Es lo mismo una variable auxiliar que una de nivel, explique? 2. Qu es una no linealidad? 3. Qu es un multiplicador? 4. Enuncie las diferencias entre un multiplicador y una no linealidad? 5. En qu casos se usa un multiplicador y cuando una no linealidad, d ejemplos? 1. Qu es un retardo y cmo se representa matemticamente? 2. Es lo mismo un retardo de informacin que uno de material? 3. Qu es el orden de un retardo? 4. Qu es el grado de un retardo? 5. Cul es la principal ventaja de poder usar retardos en el modelado? 1. Que hace que una poblacin de conejos aumente? 2. Qu hace que la poblacin de zorros se incremente? 3. Qu variables de ese ecosistema sera un nivel? 4. Qu variables de ese ecosistema sera un flujo? 5. Podra haber retardos en el sistema, explique las razones? 1. Por qu se decide que los zorros y los conejos son niveles? 2. Podra haber ms niveles? 3. Qu pasa si un nivel se agota? 4. Un nivel debe tener alguna capacidad o puede ser infinito? 5. Tiene sentido que un nivel tenga valores negativos? explique su respuesta 1. Por qu los nacimientos de conejos son un flujo? 2. Las muertes de los zorros podran modelarse de otra manera, explique su respuesta? 3. Un flujo en qu se diferencia de un nivel, explique la diferencia usando el modelo de zorros y conejos? 4. Qu pasa si nacen muchos conejos? 5. Qu sucedera si aumenta la tasa de natalidad de zorros? 1. Por qu son importantes las variables auxiliares? 2. Una variable auxiliar puede ser reemplazada por un parmetro?

3. Las variables auxiliares se conectan directamente con un nivel? 4. Una variable auxiliar se usa para valores constantes? 5. Qu errores se pueden cometer al elaborar un modelo? 1. Qu elementos hay que tener en cuenta al incluir un retardo en el modelo, para el caso de Evolucion 4.1? 2. El retardo determina los comportamientos cclicos, por qu? 3. La tabla se confecciona de qu manera, con datos reales o con la precepcin del modelador? 4. Cundo usar un multiplicador? 5. Cundo usar una no-linealidad? 1. Qu es la simulacin? 2. Es igual simular a experimentar? 3. Qu es la experimentacin simulada? 4. La simulacin podra servir para aprender? 5. Qu otro nombre podra servir para la simulacin? 1. En qu consiste la sensibilidad de un sistema? 2. El anlisis de sensibilidad permite conocer qu tipo de elementos del sistema? 3. Cul es la importancia del anlisis de sensibilidad? 4. Enumere los pasos requeridos para realizar el anlisis de sensibilidad? 5. Cul es la relacin que existe entre un anlisis de sensibilidad y un escenario? 1. Por qu es importante validar los modelos? 2. Cules son las estrategias para validar un modelo? 3. Cules pasos deben tenerse en cuenta para validar un modelo? 4. Qu problemas pueden surgir si no se validan los modelos? 5. La estadstica es importante a la hora de validar modelos? 1. En qu consiste la prueba de los lmites del sistema? 2. Para qu se realiza la prueba de la estructura del sistema? 3. Cmo se aplica la evaluacin de parmetros? 4. Cul es el sentido de aplicar una prueba extrema? 5. La prueba de reproduccin del comportamiento qu permite? 1. Qu es la simulacin experimentada? 2. Qu es el aprendizaje organizacional? 3. Si se modela una organizacin, se aprende sobre ella, explique? 4. Puede hablarse de organizaciones inteligentes? 5. En definitiva, cul es el aporte de la dinmica de sistemas al entendimiento de las organizaciones?

FUENTES DOCUMENTALES DE LA UNIDAD DOS SHANNON, R; JOHANNES, J. D. (1976). Systems simulation: the art and science. IEEE Transactions on Systems, Man and Cybernetics 6(10). pp. 723724. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4309432. NAYLOR, T. H., BOUGHTON J. M. (1971). Computer simulation experiments with models of economic systems. Editorial Wiley. SCHWARTZ, P. (1991). The Art of the Long View: Planning for the Future in an Uncertain World. New York: Doubleday. STERMAN, (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World. Chapter 21. FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus Communications. BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model Validation, disponible on line en http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado el 2 de mayo de 2011 MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulacin de la Produccin de quesos madurados. Agroalim, jun. 2009, vol.15, no.28, p.107122. ISSN 1316-0354. Disponible en lnea en: http://www.scielo.org.ve/scielo.php?pid=S131603542009000100010&script=sci_arttext SOTAQUIRA, R, GELVEZ, L., (1996) "Una revisin crtica del Aprendizaje organizacional Dinmica de Sistemas" En: Colombia. 1996. Evento: Coloquio Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la InvestigacinAccin Participativa Ponencia: Libro: Memorias del Coloquio Latinoamericano sobre aplicaciones del Pensamiento Sistmico y la Investigacin-Accin Participativa, Universidad De Los Andes, p.1 - 10

UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIN Nombre de la Unidad Introduccin Toma de decisiones apoyada con Simulacin La toma de decisiones es una de las principales tareas de los administradores de las organizaciones. Una de las principales dificultades radica en el manejo de la incertidumbre. El modelado ofrece una estrategia que reduce en parte la incertidumbre conduciendo a una buena toma de decisiones. Justificacin En tanto que una acertada toma de decisiones conduce al xito en la gerencia de organizaciones, es claro que este captulo cobra capital importancia. Intencionalidades Que se desarrolle la habilidad para la toma acertada de Formativas decisiones. Denominacin de Captulo 7: Toma De Decisiones captulos Captulo 8: Caso de Estudio Captulo 9: Perspectivas De Uso De La Dinmica De Sistemas

CAPTULO 7: TOMA DE DECISIONES

Introduccin Una decisin es una eleccin consciente y racional, orientada a conseguir un objetivo, que se realiza entre diversas posibilidades de actuacin o escenarios. Antes de tomar una decisin se debe calcular mediante simulacin cul ser el resultado de escoger una alternativa. En funcin de las consecuencias previsibles para cada alternativa, que pueden ser generadas a partir de la simulacin, se tomar una decisin. En este orden de ideas, los elementos que constituyen la estructura de la decisin son: los objetivos de quin decide y las restricciones para conseguirlos (modelado y simulacin); las alternativas posibles y potenciales (los escenarios de simulacin y el anlisis de sensibilidad); las consecuencias de cada alternativa (los resultados de simular los escenarios); el escenario en el que se toma la decisin y las preferencias de quien decide. Es importante saber que las decisiones se presentan en todos los niveles de la sociedad, sean de mayor o menor incidencia; pero estas implican una accin que conlleva a un determinado fin u objetivo propuesto. Es de gran utilidad conocer que procesos se deben aplicar y abarcar para tomar decisiones efectivas. Es por ello que en este trabajo se realiza una investigacin basada en autores y textos que se refieren a la toma de decisiones y su utilizacin como una herramienta de uso cotidiano en el estudio de las organizaciones y la administracin. Para lograr una efectiva toma de decisiones se requiere de una seleccin racional, para lo que primero se debe aclarar el objetivo que se quiere alcanzar; eso s, se deben tener en cuenta varias alternativas, evaluando cada una de sus ventajas, limitaciones y adoptando la que se considere ms apropiada para conseguir el objetivo propuesto.

Leccin 1: Introduccin a la Toma de Decisiones32 En la accin de tomar decisiones est inmersa la una situacin de incertidumbre ya que no hay nada que garantice que las condiciones en las que se tome la decisin sigan siendo las mismas, dado que se est en un medio en el que lo nico constante es el cambio. Tomar una decisin es el primer paso para elegir un plan de accin; es por esto que el trabajo central consiste en decidir: qu hacer, cmo delegar su realizacin a quienes se considere ms capacitados para ello, cmo justificar para qu debe hacerse, cundo debe hacerse y as lograr la optimizacin. Existen diversas situaciones en las que se deben tomar decisiones; en lo que sigue asumiremos como contexto, una empresa en la que puede darse tres tipos de situaciones: las de certeza, incertidumbre y riesgo. Se explicar brevemente cada una de ellas, en los siguientes apartes. Decisiones en situacin de certeza Una situacin de certeza es aquella en la que un sujeto tiene informacin completa sobre una situacin determinada, sobre cmo evolucionar y conoce el resultado de su decisin. Ejemplo: decisiones sobre compras cuando se conoce la demanda, de distribucin de personal cuando se conoce el coste por persona y operacin, etc. La toma de decisiones en un marco de certeza no implica dificultad alguna, ms all de las relacionadas con la gestin empresarial. Decisiones en situacin de incertidumbre Una situacin de incertidumbre es aquella en la que un sujeto toma la decisin sin conocer toda la informacin y por ello existen varios resultados para cada estrategia. Pueden ser decisiones no competitivas y competitivas. Las decisiones no competitivas son aquellas en las que nadie se opone a la estrategia del sujeto que decide. Por ejemplo: vendedores de peridicos (se quiere conocer la cantidad a adquirir de acuerdo con las ventas). Para decidir existen una serie de criterios de eleccin: Maximin, pesimista o Wald Maximax, optimista o Hurwicz Coeficiente de optimismo-pesimismo Razn suficiente o Laplace Mnimax, coste de oportunidad o Savage El criterio maximin supone maximizar el resultado mnimo, es decir el decisor quiere asegurarse la eleccin mejor en caso que se d la situacin ms
32

Leccin soportada en el texto de toma de decisiones http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.html

disponible

en

lnea

en:

desfavorable. Es pesimista. Es til en situaciones muy inciertas, si quieren evitarse riesgos o si existe conflicto. El criterio maximax consiste en maximizar el mximo; escoger el resultado mximo entre los mejores de cada alternativa. El decisor es optimista. El criterio del coeficiente de optimismo-pesimismo se sita entre los dos anteriores. Se parte de un grado de optimismo y de pesimismo relacionados del siguiente modo: Coeficiente de optimismo = p; coeficiente de pesimismo = (1-p) = q; donde p + q = 1 y 0 < p < 1. Dentro de la misma alternativa o estrategia se considera el resultado mayor de cada alternativa como p mientras que el resultado menor ser q. Se escoge el mayor tras ponderar los resultados esperados por los coeficientes de optimismo y pesimismo. El criterio del principio de razn suficiente espera que todas las situaciones de futuro tengan la misma probabilidad de suceder. Ante esta situacin se elige el resultado medio ms elevado. El criterio minimax plantea elegir en funcin de lo que se dejar de ganar. Por tanto, en primer lugar debe calcularse el mximo coste de oportunidad de cualquier opcin y, en segundo lugar, elegir el menor de ellos. Las decisiones competitivas son aquellas en que por ejemplo una empresa se enfrenta a un oponente que conoce sus estrategias y que escoger aquella que ms le perjudique, por ejemplo: los duopolios (coca-cola y pepsi-cola) y los oligopolios (fabricantes de coches). Estas decisiones se estudian en la teora de juegos. Esta teora considera que en la toma de decisiones intervienen pocos individuos, con informacin diferente y, generalmente incompleta, sobre los resultados de las decisiones. Pueden darse dos situaciones genricas: Conflicto puro en donde las ganancias de un jugador son prdidas para el otro (juego bipersonal de suma cero). Conflicto mixto y de cooperacin en donde los que deciden pueden llegar a acuerdos o colaborar para mejorar sus resultados aunque ambos se arriesgarn en el juego. Se denomina juego cooperativo o de suma no cero.

Decisiones en situacin de riesgo En este tipo de situaciones se conoce la probabilidad de que ocurra cada situacin. Se trata de analizar beneficios y prdidas ponderados por las probabilidades de que sucedan.

Leccin 2: La empresa como sistema En la empresa, quienes la gestionan deben tomar decisiones estratgicas que afectarn en el mediano y largo plazo a la organizacin. Si se quiere dar cuenta del desempeo de los distintos subsistemas, en cuanto al cumplimiento de los objetivos que se le asignaron, es que se elaboran informes que exteriorizan la evolucin de las principales variables involucradas. Este control de la gestin permite analizar comportamientos no deseados y realizar las correcciones necesarias para el cumplimiento de los objetivos fijados, es decir, tomar decisiones. Se dinamiza de esta manera proceso de realimentacin en donde el sistema incorpora el conocimiento de los resultados alcanzados durante un perodo anterior, permitindole re-acomodar su comportamiento en el perodo siguiente. Un mecanismo como el antes descrito hace perentorio que las unidades de tiempo consumidas por dicho proceso de realimentacin sean las menores posibles, es decir, se requiere la informacin de retorno muy rpido para poder realizar cambios en forma inmediata ante la presencia de comportamientos no deseados. De lo antes expuesto resulta evidente que los controles de gestin, no solo son necesarios sino que son imprescindibles, pues stos se refieren a hechos ocurridos, describen el pasado, la historia de la organizacin, lo que permitira encausarla. Es posible que en una organizacin se tenga por costumbre que siempre que ocurre un determinado comportamiento no deseado, visible en una variable del sistema, se deba tomar una decisin para intentar corregir su evolucin, pero puede ser que los efectos de tal decisin, que podrn ser evaluados recin despus que transcurran algunas unidades de tiempo desde su ejecucin, los controles de gestin podran mostrar, que a pesar de las medidas tomadas, se da un mayor deterioro de la variable que se quiso reencauzar, es decir, se tendra un comportamiento contra-intuitivo. Una situacin como la anteriormente descrita, puede indicar que los controles de gestin, que se usan tradicionalmente para evaluar los efectos de una decisin, teniendo como estrategia esperar a que el sistema reaccione y que transcurra algn tiempo para percatarse de si tal decisin fue o no correcta, no parece ser lo ms apropiado. Surge entonces la cuestin acerca de la suficiencia de los controles de gestin en cuanto a herramienta sustentadora de decisiones que mantengan el comportamiento del sistema en sintona con un plan estratgico. Parece ser que los rganos decisorios tienen que recurrir al procedimiento de prueba y error, es decir, implementar una decisin, controlar sus efectos y corregir; hecho que no resulta ser del todo deseable pues puede salir muy costoso.

Resulta pues muy alentador el hecho de poder contar con una herramienta que permitiese corroborar hiptesis, comprobar los efectos de las decisiones antes de que stas sean implementadas. Una herramienta que contestase la pregunta : qu pasara si.?, bueno a estas alturas el lector deber estar pensando en el modelado y simulacin.

La empresa como sistema social: A estas alturas resulta incontrovertible que la empresa sea una sistema social, puesto que se trata de uno de los mbitos naturales de actuacin del profesional en cualquier rea del conocimiento. Los profesionales trabajan con personas, comunicaciones, expectativas, conflictos, valores. Adems, la empresa conforma un sistema, o sea que se trata de una red de interrelaciones que se producen en su interior, y que dado el particular comportamiento e interaccin producido por sus elementos componentes es posible de ser distinguida del entorno. El hecho de que el mbito de actuacin sea un sistema y que dicho sistema sea social caracter iza de manera determinante su anlisis.

Leccin 3: Modelo en prosa de caso de estudio Con el propsito de mostrar la manera en que un modelo puede ser usado para la toma de decisiones, por ejemplo, en una empresa, podra tomarse en consideracin un caso de estudio cuyo propsito sea el de introducir al lector en la aplicacin prctica de los conceptos de dinmica de sistemas para el desarrollo de una acertada toma de decisiones en las organizaciones. Desarrollo del caso: El caso que se revisar en esta seccin est orientado a analizar si la poltica de una empresa, cuyas caractersticas se detallarn luego, resulta correcta para mantener una situacin de Caja y de Existencias equilibradas en un perodo de al menos 6 ejercicios o periodos de tiempo regulares. Se entender por situacin equilibrada simplemente aquella en la que el inventario no estar vaco en ningn momento para atender las ventas de un perodo y que la situacin financiera no ser de comn deficitaria. La empresa en cuestin comercializa un producto que a su vez sta adquiere en el mercado. Las ventas son estimadas de acuerdo a un pronstico, cuyos datos concretos se encuentran en la tabla denominada Pronstico de Ventas. El cobro de los montos vendidos se realiza, el 50% al momento de hacer la venta y el 50% restante se cobra a los 30 das de hecha la venta.

figura 61

Tabla pronstico de ventas

Las unidades vendidas se reponen, es decir, se vuelven a comprar, existiendo en esta operacin una demora de tres perodos o intervalos de tiempo para su concrecin. Los pagos son al contado. La poltica de compras determina que se comprar todo lo necesario para la reposicin mientras exista saldo de caja suficiente; de lo contrario se comprar lo que el saldo permita, con un mnimo de $

1.250, es decir, se comprar el mximo entre el saldo de caja y 1.250. En cada perodo se deben afrontar costos fijos por $ 6.000. Aqu se propone un primer escenario de simulacin y se da como el punto de partida: saldo inicial de caja de $ 50.000 existencia actual de unidades para la venta: 10.000 precio de costo por unidad: $ 7 precio de venta por unidad: $10 La resolucin de este caso busca demostrar la incapacidad de los modelos mentales para dar cuenta de situaciones complejas, y muestra adems cmo la falta de una perspectiva sistmica, que contemple interrelaciones como realimentacin de informacin en el transcurso del tiempo, puede llevar al tomador de decisiones a conclusiones equivocadas.

Leccin 4: Modelo del caso Diagrama de influencias El grfico que se muestra a continuacin expresa las interrelaciones del sistema mediante el denominado diagrama de influencias, de tal forma que le permite comprender las relaciones y sus sentidos.

figura 62

Diagrama de influencias del caso de estudio

Del grfico vale la pena destacar el ciclo de realimentacin negativo que se establece entre compras, egresos y caja. Esto significa que ser una estructura importante en la manera en que se comportar el modelo y tratar de mantenerlo en equilibrio. No se reconocen ms ciclos de realimentacin pero se indican las variables del sistema, sus relaciones y el sentido de las mismas. Del diagrama de influencias se puede deducir que tanto el inventario como la caja sern niveles, pues la caja se aumenta con los ingresos y disminuye con los egresos, de igual manera el inventario se incrementa con las compras, pero disminuye con las ventas. Las variables que directamente afectan los niveles son flujos. Note seor lector que tanto los ingresos como los egresos se miden en pesos, las unidades del nivel caja. De otra parte las compras y ventas se miden en unidades almacenadas, que son las unidades del inventario. En la siguiente leccin se ilustra el diagrama de Forrester o de flujos y niveles y seguidamente se mostrarn las ecuaciones del modelo.

Diagrama de Forrester Revisando el diagrama de influencias, se identificaron los niveles y los flujos. Para la elaboracin del modelo y cumplir con los requerimientos o las caractersticas del enunciado o modelo en prosa, se acudi a otras variables. Se us un retardo denominado REPOSICION, para recrear la situacin aquella de que se hace un pedido una vez se realiza una venta igual a la venta, pero ste se demora tres meses en llegar. La ecuacin de la variable REPOSICION es RETARDO(VENTAS, 3, 3, VENTAS), es decir, un retardo de orden 3 y tiempo de ajuste 3. La variable PRONOSTICO_VENTA se represent mediante una variable exgena con ecuacin = INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850, 1500,1589,1678,1767,1856,1944,2033,2122,2211,2300,2167,2033,1900), segn la figura 61.

figura 63

Diagrama de Forrester del caso de estudio

Dado que el pago se recibe en dos contados, se us la variable valor anterior para operacionalizar esta situacin, mediante la variable VENTA_ANTERIOR, que guarda por una unidad de tiempo la cantidad vendida.

Se utiliz una variable auxiliar POSIBLE_COMPRAR para calcular los productos que se podran comprar sobre la restriccin de los 1250 pesos, la cantidad de dinero y el costo por unidad. Su ecuacin es (CAJA-COSTO_FIJOMINIMO_CAJA)/COSTO_UNITARIO. Los dems son parmetros que consideran los valores del escenario. Ecuaciones del modelo Nombre = CAJA :Nivel_ Definicin = 50000 Descripcin = Cantidad de dinero disponible en la caja. u: pesos Nombre = COMPRAS :Flujo_ Definicin = IF(POSIBLE_COMPRAR>2500,MIN(REPOSICON,POSIBLE_COMPRAR),0) Descripcin = Nombre = COSTO_FIJO :Parametro_ Definicin = 6200 Descripcin = Costos operativos o fijos. u: pesos. Nombre = COSTO_UNITARIO :Parametro_ Definicin = 7 Descripcin = Precio por unidad. u: pesos Nombre = EGRESOS :Flujo_ Definicin = IF(CAJA>(COSTO_FIJO+(COMPRAS*COSTO_UNITARIO)),COSTO_FIJO+(COM PRAS*COSTO_UNITARIO),CAJA) Descripcin = Salida de dinaeo. u: pesos/periodo Nombre = INGRESOS :Flujo_ Definicin = PRECIO_VENTA*(VENTAS/2+VENTA_ANTERIOR/2) Descripcin = Nombre = INVENTARIO :Nivel_ Definicin = 10000 Descripcin = Inventario. u: unidad Nombre = MINIMO_CAJA :Parametro_

Definicin = 1250 Descripcin = Nombre = POSIBLE_COMPRAR :Auxiliar_ Definicin = (CAJA-COSTO_FIJO-MINIMO_CAJA)/COSTO_UNITARIO Descripcin = Nombre = PRECIO_VENTA :Parametro_ Definicin = 10 Descripcin = Pecio de venta. u: pesos Nombre = PRONOSTICO_VENTA :Exogena_ Definicin = INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850,1500,1589,1678,17 67,1856,1944,2033,2122,2211,2300,2167,2033,1900) Descripcin = Nombre = REPOSICON :Retardo_ Definicin = RETARDO(VENTAS, 3, 3, VENTAS) Descripcin = Nombre = VENTAS :Flujo_ Definicin = IF(INVENTARIO>0,IF(INVENTARIO>PRONOSTICO_VENTA,PRONOSTICO_VE NTA,INVENTARIO),0) Descripcin = Nombre = VENTA_ANTERIOR :Anterior_ Definicin = 0 Descripcin =

Leccin 5: Simulaciones y toma de decisiones Esta leccin muestra el diseo de un escenario, el anlisis de sensibilidad y la toma de decisiones a partir de la experimentacin simulada. Diseo de escenario Puede ser de inters para el dueo de la empresa averiguar qu efecto tiene sobre los inventarios y sobre la caja el hecho de que gradualmente los costos fijos varen. Para ello se propone analizar cul sera el comportamiento de los inventarios y la caja si se incrementa sistemticamente en 50 unidades los costos fijos. Para ello se debe disear un escenario en el que se cambia los valores asociados al parmetro, costos fijos, y luego se debe observar que sucede tanto con los inventarios como con la caja. Se propone el siguiente escenario, teniendo en consideracin el inters que se ha manifestado.

figura 64

Escenario de simulacin

Ntese que en el escenario se tiene los valores iniciales de los niveles Inventario y Caja, los cules estn Ceteris Paribus con respecto de los costos fijos que variaran en 50 unidades para cada experimento. Experimentacin Simulada. Se recuerda al seor lector que la experimentacin simulada es un proceso "diseado" que debe de cierta manera superar algunas de las ineficiencias de su contraparte "natural", es decir, la organizacin y de este modo permite hacer ms eficiente el aprendizaje en la organizacin y la consecuente toma de decisiones con un menor nivel de incertidumbre.

Para realizar la experimentacin simulada es preciso acudir a una herramienta informtica que ayude con esa tarea. Una de estas herramientas es Evolucion 4.1, hay muchas ms en el mercado, en este caso se est usando la herramienta antes sealada por ser de uso libre para propsitos acadmicos y por ser una obra de la ingeniera de sistemas colombiana. A partir del escenario se procede a hacer un anlisis de sensibilidad por escenarios para observar que sucede.

figura 65

Datos de la Simulacin Experimentada

Si se observa en la figura 65, se encuentra all que se debe seleccionar nuevo anlisis de sensibilidad con variacin de parmetros, ver crculo rojo de la parte superior de la figura. Luego se da clic en definir trayectorias y aparece la ventana de dilogo que est sealada con cuadros verdes. La elipse muestra el parmetro que se va a variar, es este caso es el parmetro costo fijo, ntese que se escoge una variacin de 50 y que se observar su efecto sobre el nivel inventario, la que corresponde al campo, variable seleccionada. Finalmente se escoge el nmero de iteraciones, es decir, cuantos cambios se har en el parmetro, en este caso se cambiar tres veces y habr cuatro simulaciones. Veamos.

figura 66

Resultados de la Simulacin Experimenta

De la grfica es posible resaltar que si los costos fijos son 6200 o 6250 no hay mucha diferencia en el comportamiento del inventario. Ahora, cuando el costo fijo pasa de 6300 a 6350 se nota una reaccin del sistema en el sentido de llegar a niveles de inventario igual a 0. Esto es naturalmente contraproducente para los intereses de la organizacin, porque la funcin principal del negocio es la venta del producto. En este caso, la gerencia de la empresa debera tomar decisiones que no afecten los costos fijos, pues si lo hace correra con el peligro de desestabilizar el sistema, tal como lo permite inducir la grfica de color verde.

CAPTULO 8: CASO DE ESTUDIO

Introduccin Desde principios del siglo pasado, distintas ciencias llegaron a la conclusin de que era necesario estudiar como una totalidad tanto los fenmenos naturales como los sociales debido bsicamente a su complejidad y dinamicidad la cual se debe a los entramados de relaciones internas y la relacin de stas con el medio. En tiempos anteriores al surgimiento de este paradigma, la preocupacin de las ciencias se haba centrado en una concepcin reduccionista de los fenmenos estudiados. Ludwing von Bertalanffy, public, en 1968, el libro Teora General de Sistemas, considerado como la gnesis del enfoque sistmico. Este enfoque gener un amplio inters. La ecologa fue de las primeras que lo incorpor masivamente, para explicar fenmenos dinmicos como, por ejemplo, la competencia entre especies animales y vegetales y las interrelaciones entre factores fsico-qumicos y biolgicos en lagos, ros y otros tipos de sistemas ecolgicos. El enfoque fue incorporado a las ciencias y tecnologas aplicadas al desarrollo de la computacin, al punto de llegar a generar una nueva disciplina denominada la Ingeniera de Sistemas. Es en la dcada de los 60s y 70s, que el enfoque gan incrementalmente partidarios entre las ciencias silvo-agropecuarias, desarrollndose en Asia las primeras aplicaciones realmente importantes. De all se ha extendido a todo el mundo, destacndose su uso en frica, Europa, y en el continente americano. Varios de los centros de investigacin ms importantes a nivel mundial, han adoptado esta metodologa. En Colombia se conocen los trabajos de Absaln Machado33, de la Universidad Nacional, sobre todo en torno a los sistemas de produccin agroalimentarios, quien es, de los economistas latinoamericanos, uno de los pioneros en la incorporacin de la TGS en sus planteamientos tericos. Este captulo muestra como la dinmica de sistemas, cuyo padre es el pensamiento sistmico, aporta para el entendimiento y la gestin de los sistemas agro-industriales y dentro de ellos, especficamente la cadena productiva del tabaco.

33

Absaln Machado C. y Jorge Torres O, El sistema agroalimentario. una visin integral de la cuestin agraria en Amrica Latina, 1. ed. 1987, CEGA, Siglo Veintiuno Editores, Bogot, D.E., Colombia.

Leccin 1: Los sistemas agroindustriales Muchos de los fenmenos que cotidianamente son percibidos se ajustan a la idea de que el todo es ms que la suma de las partes. As, por ejemplo, una limonada, tiene caractersticas como el sabor que no se encuentran en ninguna de las partes de ese refresco; bsicamente porque los componentes se relacionan entre s, dando origen a caractersticas emergentes no explicables por la mera suma algebraica de los componentes, es decir, no se obtiene la sensacin de haber tomado limonada si por ejemplo alguien consume una taza de azcar, luego dos cucharadas de jugo de limn y finalmente dos vasos de agua helada, o en cualquiera de sus seis posibles combinaciones. Hay numerosos ejemplos en los que se evidencia como el entramado de relaciones entre los componentes del sistema determinan comportamientos a veces inesperados, verbigracia, se sabe que una intervencin, como represar un ro o invadir un pas vecino con propsitos antiterroristas, puede dar origen a una 'reaccin en cadena' que terminar afectando en el primer caso a una enorme cantidad de especies animales y vegetales, etc., y en el segundo caso a la poblacin de un pas entero, por las medidas de reaccin del pas ofendido. Que una accin pueda llegar a tener tan amplias consecuencias, indica que en esa zona hay numerosos fenmenos y componentes que se encuentran muy vinculados entre s, a veces a travs de reacciones que no se alcanzan a percibir. Esto es sntoma de estar frente a un fenmeno que puede ser percibido como si fuera un sistema. Para los propsitos de este mdulo se acepta que un sistema es bsicamente una buena idea que permite ver los fenmenos como un conjunto de elementos en interaccin mutua y que tienen un fin o propsito comn (diagrama de influencias); en el que se identifican propiedades como sinergia, recursividad, organizacin y jerarqua, bsicamente. Considerando lo expuesto anteriormente puede definirse el sistema de produccin como un sistema de actividades humanas que un grupo (por ejemplo, la familia campesina) organiza, dirige y realiza, de acuerdo a sus objetivos, cultura y recursos, utilizando prcticas en respuesta al medio ambiente fsico. Por tanto para conocer un sistema de produccin, se debe partir de la observacin de sus elementos constitutivos, las actividades all realizadas, los medios y recursos con que cuenta, las cantidades y caractersticas de las personas que en l viven o trabajan, las propiedades del suelo o clima, etc. Ver la figura 67. Ahora bien, como una de las caractersticas principales de todo fenmeno concebido como sistema es la organizacin y aceptndose que adems se tienen relaciones entre los elementos, se debera entender las propiedades o proporciones en que estos componentes estn presentes; el rol o funcin que cada uno cumple y las interacciones que suceden entre los componentes. Por ejemplo, cmo se distribuye la mano de obra entre los diferentes rubros y actividades del predio?; cmo se distribuyen los ingresos entre consumo,

produccin y ahorro?; cmo la produccin de un rubro contribuye a la generacin de productos para el autoconsumo y para la venta?, etc.

figura 67

Sistema Agropecuario34

Para completar la descripcin del sistema de produccin ha de ser necesario dar cuenta de la complejidad dinmica del sistema de produccin, es decir, ser capaces de describir su comportamiento a travs del tiempo. Por ejemplo, poder dar respuesta a este tipo de preguntas. Cmo se distribuye la mano de obra a travs del ao?; Cules son los meses de mayor actividad y cules los de mayor escasez? Pareciera que la descripcin de un sistema de produccin demanda ingentes esfuerzos intelectuales, pero no lo es tanto. El modelado y simulacin de dichos sistemas permitirn ganar en comprensin del mismo, en ese sentido es en que se propone el uso del modelado y simulacin en este escrito.

34

Adaptado de http://scielo.sld.cu/img/revistas/pyf/v31n4/f0105408.gif

Leccin 2: Visin sistmica de las cadenas productivas Esta parte del texto se dedica a hacer una exposicin del concepto de cadena productiva desde diferentes perspectivas pero buscando bsicamente aterrizar en una perspectiva sistmica de las mismas. Se toma como punto de referencia artculos que irn siendo referenciados a medida que sea preciso hacerlo. Bases conceptuales Segn rastreo bibliogrfico realizado por Isaza (2005) es posible encontrar en dos autores importantes como Hirschman y Porter gran parte de los elementos terico-conceptuales que dan posibilidad de existencia al concepto actual de cadena productiva. El primero de ellos en su trabajo sobre el desarrollo econmico explica que el xito en la generacin de riqueza en las organizaciones se deba especialmente a la existencia de encadenamientos de cooperacin, fenmeno presente principalmente en las economas industrializadas del primer mundo. Un tiempo despus, Porter advierte que la articulacin eficiente de las empresas alrededor de una cadena de valor que va desde los proveedores de materias primas e insumos y que termina con los servicios al cliente, son los elementos que dan cuenta de la generacin de ventajas competitivas y por tanto de una mayor generacin de riqueza. Es en la dcada de los noventas en que estos conceptos articulados a las nociones de desarrollo regional originan la nocin de cadena productiva en Latinoamrica. En este orden de ideas es que Isaza (2005) propone ubicar el origen del concepto de cadena productiva en la escuela de la planeacin estratgica. Segn esta escuela, la competitividad de una empresa se explica no solo a partir de sus caractersticas internas a nivel organizacional o micro, sino que tambin est determinada por factores externos asociados a su entorno. En tal sentido, las relaciones con proveedores, el Estado, los clientes y los distribuidores, entre otros, generan estmulos y permiten sinergias que facilitan la creacin de ventajas competitivas. En consecuencia la cadena productiva puede definirse como un conjunto de eslabones vinculados entre s por relaciones de tipo proveedor-cliente-proveedor. Vista en su conjunto, una cadena productiva comprende desde los bienes primarios, su transformacin en bienes intermedios, otros bienes intermedios originados en una cadena productiva diferente, hasta los bienes finales . Para Isaza (2005) la cadena productiva puede ser caracterizada como un conjunto de unidades econmicas integradas alrededor de la produccin de un bien o servicio y que van desde los productores de materias primas hasta el consumidor final. Resumiendo lo dicho, es factible afirmar que las cadenas productivas se subdividen en eslabones, los cuales comprenden conjuntos de unidades econmicas con funciones especficas dentro del proceso productivo. Segn el documento del DNP citado previamente, un ejemplo de cadena productiva lo constituye la Cadena de Textiles-confecciones que incluye desde la produccin de

algodn, su procesamiento, la fabricacin de hilados y tejidos, y por ltimo la confeccin de prendas de vestir que representan el eslabn final de la cadena. Cada una de las etapas de transformacin del producto puede ser vista como un eslabn en la cadena productiva y en cada uno de stos se expresan los determinantes del desempeo de toda la cadena. Se invita al lector para que revise la figura 68.

figura 68

Cadena productiva Cadena de Textiles-confecciones35

De la figura 68 es claro que aparecen all los elementos identificados en la definicin propuesta por el DNP, pero no se identifican elementos importantes como la informacin y el dinero que fluye en ambos sentidos y que cierran los ciclos de realimentacin que es en gran parte lo que determina que una cadena productiva puede ser vista y estudiada como si sta fuera un sistema. Lo antes expuesto es coherente con los planteamientos de Hirschman, citados por Isaza (2005), relacionados especficamente con la idea de la presencia de encadenamientos hacia adelante y hacia atrs. Los encadenamientos hacia atrs estn representados por las decisiones de inversin y cooperacin orientadas a fortalecer la produccin de materias primas y bienes de capital necesarios para la elaboracin de productos terminados y los encadenamientos hacia adelante promueven, por parte de los empresarios, la creacin y diversificacin de nuevos mercados para la comercializacin de los productos existentes.

35

Tomado y adaptado de: http://www.agroancash.gob.pe/public/dpa/temas/pag_05.html

Leccin 3: Descripcin de la Cadena Productiva del Tabaco Para la descripcin de la cadena productiva del tabaco se toma en cuenta la presentacin que de la misma se hace en el texto del Departamento Nacional de Planeacin (DNP). En dicho documento se indica que la cadena productiva del tabaco comprende desde el cultivo de la hoja de tabaco hasta la fabricacin de cigarrillos y otros productos como los aromas y esencias de tabaco. Como en el resto del mundo, en Colombia esta actividad se caracteriza por un alto nivel de concentracin y adems un nivel de integracin vertical importante. Dos empresas dominan el mercado de cigarrillos que se estima en 20 mil millones de unidades al ao. Se trata de Coltabaco, considerado lder del mercado, y Protabaco. Estas empresas controlan la actividad desde la extraccin primaria de la hoja hasta la fabricacin de los cigarrillos.

figura 69

Cadena productiva del tabaco36

El proceso productivo para la obtencin de los cigarrillos se puede describir en tres etapas: produccin primaria, primera industrializacin y obtencin de los cigarrillos. La produccin primaria de la hoja de tabaco se realiza principalmente en regiones tropicales, con climas clidos y hmedos (18 a 28C), y comprende los siguientes pasos: Preparacin del suelo, siembra, transplante y desflore, desbrote, cosecha, primer curado y preclasificacin en fardos de 20 a 50 kgs. El primer curado tiene por objeto preservar las hojas de tabaco al generar, va calor, condiciones organolpticas adecuadas para conservar la calidad potencial de la hoja.
36

Tomado de Tabaco, material del DNP, disponible http://www.dnp.gov.co/PortalWeb/Portals/0/archivos/documentos/DDE/Tabaco.pdf

en

lnea

en:

Este proceso consiste en secar las hojas naturalmente (por exposicin al sol o suspendiendo la cosecha en lugares muy aireados) o de manera artificial, en cmaras por las cuales circula aire caliente. El tabaco que recibe este tratamiento se denomina Virginia. En figura 5, esta etapa corresponde al eslabn de hoja de tabaco. En la primera etapa de industrializacin, se limpia la hoja, se reclasifica, se despalilla o desnerva (proceso que consiste en separar el palo o nervadura de la hoja) y por ltimo se vuelve a secar. El secado es un proceso crtico para la calidad del tabaco. En el diagrama del proceso productivo se identifica esta etapa de produccin como el eslabn de hoja de tabaco desvenada y preparada. En la segunda parte de la industrializacin del tabaco, se utilizan los procesos de humidificacin en caliente, a temperaturas decrecientes; torrefaccin del tabaco y en algunos casos des-nicotizacin. Una vez se estabiliza la temperatura el producto se somete a aromatizacin. Del proceso de aromatizacin, quedan algunos subproductos como el rap, los extractos y las esencias, cuya comercializacin es marginal.

Leccin 4: El diagrama de influencias y diagrama de Forrester de la cadena productiva del tabaco Como se ha visto en lecciones previas, el diagrama de influencias considera, para este caso, los elementos constituyentes de la cadena que se han descrito en la anterior leccin.

figura 70

Diagrama de influencias de la Cadena productiva del tabaco37

Este diagrama inicia con la siembra del tabaco, ver figura 70, la cual luego de un tiempo se convertir en tabaco o ms exactamente plantas de tabaco. A medida que aumenta la cantidad de plantas de tabaco, aumenta la produccin de hojas de tabaco y en consecuencia la recoleccin tambin aumentar. Una vez se recolecta el tabaco, ste se somete a un proceso de secado y de ah va al procesamiento para producir picadura, o pasa al proceso de aromatizacin para luego convertir la hoja de tabaco en cigarrillos o puros. Tanto la picadura, como los puros y cigarrillos son vendidos, esta venta se compara con la demanda y generar la demanda insatisfecha que a su vez generar una nueva siembra. Este es el ciclo completo del tabaco, en l aparece como agente dinamizador la poblacin y sobre todo la dinmica de sta, pues si la poblacin aumenta, aumentar tambin la demanda y por tanto habr un efecto sobre la demanda insatisfecha, aqu se acopla al ciclo de produccin, el efecto poblacional. Lo que sigue es el diseo del diagrama de Forrester, para lo cual es til preguntarse cul de las variables se acumulan a travs del tiempo y acto seguido, que otras variables son las responsables de dicho cambio. El diagrama de influencias es la principal gua en este caso.

37

Tomado de Tabaco, material del DNP, disponible http://www.dnp.gov.co/PortalWeb/Portals/0/archivos/documentos/DDE/Tabaco.pdf

en

lnea

en:

Ante la pregunta de qu cosas se acumulan, puede responderse que lo hacen: la poblacin, las plantas de tabaco, el tabaco en proceso de secado, la picadura, el tabaco aromatizado y tanto los cigarrillos como los puros. Al responder que causa dichas acumulaciones se encuentra que lo que incrementa la poblacin es, de forma general, un incremento de la poblacin y ste a su vez es determinado por la tasa de variacin poblacional y la poblacin. Es importante sealar que al tomar como ejemplo la poblacin colombiana la tasa de variacin poblacional cambia por lo que se usa una variable exgena para representarla (tvp). La cantidad de poblacin determina a su vez la demanda de tabaco (DmTabaco) que es determinado por el consumo percpita (ConsumoPercapita). Se asume la poblacin fumadora como mayor de 15 aos.

figura 71

La poblacin y la demanda de tabaco

La siguiente variable que se acumula estn las plantas de tabaco, en este caso se incrementa su nmero gracias a la siembra y disminuyen gracias a la cosecha.

figura 72

La siembra de tabaco

Naturalmente hay un tiempo de retardo (tct) entre la siembra y la cosecha; para los propsitos de este modelo, se asume un tiempo promedio, pues se sabe que las hojas de la parte inferior de la planta se cosechan primero y las hojas de la parte superior se cosechan de ltimo. Se debe reconocer que la siembra depender bsicamente de la demanda insatisfecha, es decir, de la relacin que hay entre las ventas y la demanda de tabaco en general. Una vez se recolecta el tabaco este se acumula en un proceso de secado, una vez seco el tabaco una parte se almacena para el proceso de picadura y otro pasa al proceso de aromatizacin, produciendo luego cigarrillos y puros, los cuales al venderse junto a la picadura determina las ventas. Revisar la figura 73.

figura 73

Diagrama de Forrester del primer prototipo de la cadena productiva del tabaco

Se invita al lector para que haga una lectura del diagrama e identifique all los flujos que alteran los niveles y as mismo las variables auxiliares, retardos y parmetros que determinan los flujos. Se invita al lector que proponga una estrategia para la validacin del anterior modelo teniendo en cuenta la leccin 3 del captulo 6 de este mdulo.

Leccin 5: Experimentacin simulada, la cadena productiva del tabaco. Se propone al estudiante que asuma tres escenarios que se llamarn: el optimista, el pesimista y el normal en la demanda del tabaco. Luego realice la simulacin del modelo y determine las conclusiones a las que se llega luego de este proceso. Las siguientes son las ecuaciones del modelo. Nombre = Aromatizado :Nivel_ Definicin = 1260000 Descripcin = Nombre = Cigarrillos :Nivel_ Definicin = 1000000 Descripcin = Nombre = ConsumoPercapita :Exogena_ Definicin = INTLINEAL(2,1970,5,2.613,2.7,2.561,2.27,1.884,1.582,1.408) Descripcin = Nombre = Cosecha :Flujo_ Definicin = min(tct,PlantasTabaco) Descripcin = Nombre = DI :Auxiliar_ Definicin = IF(VENTAS>DmTabaco,0,DmTabaco-VENTAS) Descripcin = Demanda expresada en unidades de cigarrillos Nombre = DmTabaco :Auxiliar_ Definicin = (1-PobMenorDe15)*POBLACION*(ConsumoPercapita/12) Descripcin = Demanda en Kilos de tabaco Nombre = GramosPorPlanta :Parametro_ Definicin = 0.085 Descripcin = Gramos por planta Nombre = IP :Flujo_ Definicin = POBLACION*(tvp/12) Descripcin = Nombre = KiloPorPlanta :Parametro_ Definicin = 0.085 Descripcin = Nombre = POBLACION :Nivel_ Definicin = 21954000 Descripcin = Poblacin iniciando 1970 en colombia.

Nombre = Picadura :Nivel_ Definicin = 320000 Descripcin = Nombre = PlantasTabaco :Nivel_ Definicin = 25000000 Descripcin = Nombre = PobMenorDe15 :Parametro_ Definicin = 0.33 Descripcin = Nombre = PorDemCigarrillo :Parametro_ Definicin = 0.7 Descripcin = Nombre = PorDemPica :Parametro_ Definicin = 0.1 Descripcin = Nombre = PorDemTabaco :Parametro_ Definicin = 0.2 Descripcin = Nombre = PorcentajePicadu :Parametro_ Definicin = 0.2 Descripcin = Nombre = ProcCiga :Parametro_ Definicin = 0.8 Descripcin = Nombre = Procesamiento :Flujo_ Definicin = Secado*PorcentajePicadu Descripcin = Nombre = Proceso :Flujo_ Definicin = Secado*(1-PorcentajePicadu) Descripcin = Nombre = ProdCiga :Flujo_ Definicin = Aromatizado*ProcCiga Descripcin = Nombre = ProdTab :Flujo_ Definicin = Aromatizado*(1-ProcCiga)

Descripcin = Nombre = Puros :Nivel_ Definicin = 200000 Descripcin = Nombre = Secado :Nivel_ Definicin = 1600000 Descripcin = Nombre = Siembra :Flujo_ Definicin = DI/GramosPorPlanta Descripcin = Nombre = TabacoparaSecado :Flujo_ Definicin = Cosecha*KiloPorPlanta Descripcin = Nombre = VENTAS :Auxiliar_ Definicin = VentaPicadura+VentaCiga+VentaTaba Descripcin = Nombre = VentaCiga :Flujo_ Definicin = IF(DmTabaco*PorDemCigarrillo>Cigarrillos,Cigarrillos,DmTabaco*PorDemCigarrill o) Descripcin = Nombre = VentaPicadura :Flujo_ Definicin = IF(DmTabaco*PorDemPica>Picadura,Picadura,DmTabaco*PorDemPica) Descripcin = Nombre = VentaTaba :Flujo_ Definicin = IF(DmTabaco*PorDemTabaco>Puros,Puros,DmTabaco*PorDemTabaco) Descripcin = Nombre = tct :Retardo_ Definicin = RETARDO(Siembra, 3, 2, Siembra) Descripcin = Nombre = tvp :Exogena_ Definicin = INTSPLINE(2,0,66,0.0276,0.0237,0.0226,0.0210,0.0204,0.017,0.0135,0.0123,0.01 18) Descripcin =

CAPTULO 9: PERSPECTIVAS DE USO DE LA DINMICA DE SISTEMAS Introduccin En este captulo se presentan algunas opciones para la implementacin del modelado dinmico sistmico. Se destaca que hay propuestas que van desde el campo de la salud, pasando por la economa, la pedagoga, la ingeniera etc. Es importante que el lector perciba lo multifactico de la dinmica de sistemas en tanto es capaz de dar cuenta de diversos fenmenos.

Leccin 1: Modelado en Ingeniera de Petrleos En la formacin de los ingenieros en Colombia, especficamente en lo que se denomina el ciclo bsico o los primeros dos aos de formacin, la gran mayora de las asignaturas corresponden a exposiciones tericas de modelos matemticos que por lo general son realizadas por parte del docente. Posteriormente el estudiante deber memorizarlos y ganar experticia en su manipulacin para entonces hallar soluciones a problemas planteados por el docente. Como resultado de esta actividad quedan dudas si efectivamente el estudiante estara en capacidad de dar cuenta del fenmeno estudiado o si solo est capacitado para manipular eficazmente tales modelos. Autores del rea de dinmica de sistemas plantean ciertas ideas que permiten apoyar la anterior hiptesis, entre ellos Radzicki 38 et al (2002) quienes proponen algunos argumentos para que los estudiantes de ingeniera aprendan dinmica de sistemas; estos son: podran ver la naturaleza genrica de los flujos y niveles y las estructuras de realimentacin. tendran una herramienta interdisciplinaria que puede ser usada para hallar soluciones a los sistemas dinmicos que son generalmente percibidos como estticos. desarrollaran habilidades para resolver e integrar problemas multidisciplinarios. Aprenderan, va procesos experimentales, desarrollando competencias esenciales y procesos de aprendizaje centrado en el aprendiz. les aportara una herramienta para estudiar la interaccin entre tecnologa y sociedad. Es en este contexto se desarroll un trabajo con dinmica de sistemas que busc medir qu tanto influye, en la capacidad de comprender un fenmeno, el que un estudiante trabaje con micromundos realizando experimentos guiados por el docente. Produccin De Pozos Petroleros En el mbito de la ingeniera de petrleos y en especial el ingeniero de produccin debe desarrollar las competencias que le permitan hacer producir los pozos de aceite y para ello se requiere que comprenda los principios que rigen tanto el movimiento del aceite como el del gas y el agua desde la formacin hasta el cabezal del pozo. Segn Nind39 (1987), las principales fases que dan cuenta del comportamiento del pozo, son las prdidas de presin en un flujo vertical bifsico,
38

RADZICKI M et al, Why Every Engineering Student Should Study System Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, (2002). IEEE November 6 - 9, 2002, Boston, MA. 39 NIND, T.E.W. , (1987) Fundamentos de produccin y mantenimiento de pozos petroleros, Mxico, Limusa.

el comportamiento de la relacin gas-aceite y los problemas de bombeo de los pozos profundos que definen los ndices de productividad. As mismo indica que el ingeniero ha de tener las competencias que le permitan hacer uso del arsenal terico pero con plena conciencia de lo que est haciendo. Tambin hace notar que un pozo productor de aceite o petrleo es solo una parte de un sistema complejo el cual comprende el yacimiento, los pozos mismos y las instalaciones superficiales. Pensamiento Sistmico y Dinmica de sistemas El pensamiento sistmico aporta elementos conceptuales que permiten ver el mundo como si ste fuera un sistema. La trampa que debe evitarse a toda costa es la de creer que los sistemas tienen existencia fsica, debe quedar claro que un sistema es una idea que se percibe al observar conjuntos de partes que estn interrelacionadas y que en conjunto tienen un fin o propsito y adems dichas partes estn regidas por relaciones de jerarqua. De otra parte y emparentada con el pensamiento sistmico emerge en los aos cincuenta la dinmica de sistemas, creada por el profesor J. W. Forrester del MIT, como una forma de modelado que permite representar la dinmica propia de un fenmeno a partir de la definicin de la estructura que a ste le subyace. En este trabajo la dinmica de sistemas se concibe como una unidad paradigma-lenguaje, pues a medida que se representa un fenmeno se va adquiriendo mayor destreza para identificar los elementos, las relaciones y los bucles de realimentacin. Los modelos construidos con dinmica de sistemas utilizan los cinco lenguajes de formalizacin descritos ampliamente por Andrade40 et al (2001). Del trabajo con los estudiantes de ingeniera de petrleos se concluy: Un acercamiento al pensamiento dinmico sistmico, como el realizado por los estudiantes de sistemas de produccin de pozos petroleros, mejora su habilidad para la comprensin de fenmenos fsicos. El uso de micromundos, con modelos de simulacin dinmica contribuye para mejorar la percepcin de los fenmenos fsicos, como la variacin de la presin en un pozo petrolero y la declinacin de la produccin. La descripcin de los procesos de aprendizaje de la dinmica de sistemas contribuye para mejora las habilidades dinmico-sistmicas de los estudiantes en la medida que mejora la percepcin de las acumulaciones y las razones de cambio. Cuando se parte de la simulacin manual, en un proceso de modelado, se obtienen mejores resultados, cuando se est en el proceso de aprender dinmica de sistemas.

40

ANDRADE, H et al. (2001). Pensamiento Sistmico: Diversidad en Bsqueda de Unidad. Primera Edicin, Bucaramanga: Ediciones UIS.

Leccin 2: Modelado en Economa El Aprendizaje De La Economa La falta de conciencia de las dificultades que presenta la ciencia econmica aunada a un proceso educativo inadecuado, no promueve en los estudiantes de economa aptitudes que permitan superar la crisis mundial. Un ejemplo de ello se encuentra en la mayora de facultades de economa del pas las ctedras de teora econmica, que deberan ser las bases para la conformacin de una visin particular de los procesos econmicos, se convierte en una exposicin por parte del profesor y el estudiante tiende nicamente a almacenar informacin, sin procesarla ni relacionarla y sin llegar a construir un modelo mental de lo que recibi. En otros casos, se deja al estudiante la lectura de las obras cumbre de los economistas ms importantes y se le solicita que escriba un ensayo; dicho ensayo termina siendo en el mejor de los casos un resumen de la bibliografa consultada, sin relacionar los conceptos ledos ni con la situacin actual ni con sus preconceptos. Esta falta de apropiacin impide a los estudiantes estudiar con cierta profundidad los problemas y fenmenos econmicos del pas. Micromundos De Experimentacin Como Alternativa Para El Aprendizaje De Teoras Econmicas En general, el hombre manifiesta reiteradamente la necesidad de realizar representaciones que le permitan explicarse los fenmenos que observa. En este sentido, los economistas no son la excepcin, estando llamados a la construccin de representaciones que, por un lado les facilite la explicacin de los fenmenos econmicos y por otro, les permita formalizar e integrar un cuerpo de conocimiento que agrupe diferentes teoras o cree unas nuevas. Estas representaciones, denominadas modelos, han utilizado la matemtica como medio de expresin por excelencia, como se puede observar en la mayora de las ciencias bsicas, como la fsica y la qumica, de tal manera que a cada fenmeno (por ejemplo: el movimiento, las reacciones qumicas, etc.) se asocia una expresin que permite cuantificarlo y explicarlo. La alternativa de modelamiento econmico que ms comnmente se utiliza en la actualidad recibe el nombre de Econometra. Los modelos matemticos que ofrece la Econometra corresponden a complicados sistemas de ecuaciones, que no ofrecen mayor descripcin de la conformacin del fenmeno, y cuya solucin requiere de un avanzado y riguroso ejercicio matemtico y estadstico. Lo anterior hace necesaria la introduccin de otro de tipo de herramientas con las que, adems de facilitar el proceso de representacin matemtica y su solucin, se obtenga un medio para adquirir un mayor grado de comprensin de la naturaleza de los fenmenos econmicos. Como una alternativa frente al enfoque funcional de la Econometra se presenta el enfoque sistmico-estructural, y para desarrollarlo la Dinmica de Sistemas se introduce como un lenguaje Dinmico-Sistmico y estructural que adems se constituye en un til que facilita

el uso de los poderosos recursos de la tecnologa de la computacin, expresados en la simulacin. Pero, cmo introducir la Dinmica de Sistemas en la Economa? Una estrategia es incentivar a la comunidad educativa para la utilizacin de herramientas informticas como Micromundos de Experimentacin que promuevan el modelamiento y simulacin utilizando Dinmica de Sistemas. Estos Micromundos de Experimentacin constituyen ambientes en los cuales se pone a disposicin del estudiante diferentes niveles de representacin del fenmeno, que permiten ir abordando progresivamente mayor complejidad en las descripciones y en los modelos que se realicen. Uno de los objetivos es proveer a los estudiantes de Economa de Laboratorios en los cuales mediante la experimentacin y la reflexin constante se induzcan procesos de pensamiento dinmico-sistmicos; todo lo anterior se enmarca en una concepcin constructivista del aprendizaje con el profesor como gua y orientador.

Leccin 3: Modelado en la Salud En los pases en desarrollo, la mortalidad provocada por las enfermedades cardiovasculares ha aumentado en la ltima dcada, causando ms muertes que cualquiera de las enfermedades infecciosas41. Esta situacin ha generado gran preocupacin en los sectores pblicos y privados de la salud por la prdida de aos de vida saludables de los pacientes y el aumento en los costos de su tratamiento y rehabilitacin. Los eventos coronarios han merecido una consideracin especial, debido a la gravedad de las secuelas fisiolgicas y psicolgicas, de una parte, y los enormes costos que representan para las empresas prestadoras de salud, demostrando la poca efectividad de las polticas de prevencin primaria, secundaria y terciaria que utilizan estas empresas para garantizar una balanza favorable en la relacin costo beneficio de ambas partes. Cmo la dinmica de sistemas y los sistemas expertos pueden contribuir en la solucin del problema? Para resolver dicho problema podran plantearse las siguientes cinco fases. Fase 1. Recoleccin del conocimiento: en esta fase se busca toda la informacin relacionada con el objeto de estudio (tanto la enfermedad coronaria, como las estrategia de prevencin) necesarias para la elaboracin del modelo y del sistema experto. Fase 2. Construccin del sistema experto: en esta parte se sigue la metodologa de desarrollo de sistemas expertos que consta de las siguientes subfases: Estudio preliminar, Estudio de factibilidad, Desarrollo de prototipos, Desarrollo del sistema, Evaluacin final y Mantenimiento. Fase 3. Modelado y simulacin de la evolucin de la enfermedad cardiovascular; en esta fase se realizar el modelo usando dinmica de sistemas Terminada la fase 3 se tendr un modelo capaz de recrear la evolucin de la enfermedad coronaria a partir de diversos escenarios de simulacin. Fase 4. Anlisis, diseo e implementacin del ambiente informtico: Esta fase culminar con la implementacin del micro-mundo usando la metodologa de diseo Software. Fase 5. Experimentacin: Esta fase se procede a evaluar la certeza diagnstica de la herramienta y supone la puesta en marcha del sistema con pacientes e involucra un seguimiento que no podra ser menor a dos aos.

41

WB. Kannel, Contributions of the Framingham Study to the conquest of coronary artery disease. Am J Cardiol. 1988;62:1109-1112.

Leccin 4: Modelado en Pedagoga La simulacin y su relacin con la pedagoga. De la relacin que se puede establecer entre la simulacin y el aprendizaje comienzan a aparecer una serie de cuestionamientos alrededor de lo que el sistema educativo tradicional propone y hace. Al respecto De Zubira (2006) dice que la escuela tradicional abandon el pensamiento y concentr sus esfuerzos en los aprendizajes mecnicos y particulares obtenidos mediante la reiteracin de la exposicin y la prctica, esta situacin se refleja principalmente en la dificultad que los estudiantes tienen a la hora de realizar acciones como la redaccin de un informe y an ms cuando se trata de escribir un ensayo. Una de las principales prcticas de la escuela tradicional consiste en ensear las ciencias desprendindolas de su carcter abstracto y explicativo de la realidad, haciendo que el estudiante pierda la posibilidad de cualificar su representacin del mundo y de desarrollar su pensamiento, manteniendo as las representaciones que ha elaborado en su niez y debilitando por consiguiente su natural tendencia a preguntarse acerca de lo que ve y no comprende. En una experiencia relatada por Marchisio et al (2004) se describe el uso de los simuladores para el aprendizaje de la mecnica cuntica, cronolgicamente posterior al estudio de la mecnica clsica. En el texto se sostiene que especficamente pueden destacarse como aspectos relevantes la necesidad de un cambio sustancial de paradigma e indica adems que su objeto de estudio, para el caso de la mecnica clsica, no es accesible a nuestros sentidos en forma directa. Segn Moore42, para que una teora se considere educativa debe cumplir entre otros los siguientes requisitos: un objetivo, supuestos correctos respecto a los sujetos de la educacin, conocimientos y mtodos que sean morales, que permitan a los alumnos participar en la educacin y que sean pedaggicamente eficaces con contenidos cambiantes.

42

MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial S.A, 1995.

Leccin 5: Modelado en Educacin Bsica La Participacin Ciudadana como una Competencia Ciudadana La competencia ciudadana es definida como la capacidad que, en virtud de la Constitucin Nacional, tiene el ciudadano del comn para jalonar procesos de transformacin social, al concederle la apertura de un canal de relacin permanente con los gobernantes. Dicha propuesta, del estado colombiano, quiere la actuacin conjunta con el fin de propiciar espacios en donde las decisiones puedan ser ms razonadas, es decir, que sean el producto de un mayor consenso, que se conozcan mejor los problemas que aquejan a una sociedad y que se busque, de manera participativa, las posibles soluciones de los mismos. El contexto educativo nacional del momento est encaminado a satisfacer la demanda de lineamientos pedaggicos para orientar procesos de aprendizaje, con los cuales se puedan desarrollar y fundamentar las competencias ciudadanas en la prctica y el conocimiento (saber y saber hacer) del estudiante colombiano de bsica primaria y secundaria. Investigadores a nivel nacional e internacional, que han ponderado la iniciativa del gobierno nacional por promover las competencias ciudadanas en el aula de clase colombiana, afirman que el programa de Competencias Ciudadanas colombiano es el primero en Latinoamrica en desarrollar estndares de nivel nacional en temas como las competencias cognitivas de descentracin, pensamientos sistmico, juicios imparciales, superacin de prejuicios y estereotipos, etc.; competencias afectivas como el manejo de las emociones y el reconocimientos de sus efectos en nuestras decisiones; y competencias comunicativas que buscan la capacidad de empata en la escucha y construccin conjunta de ideas que interesen a todos; con una prueba especfica para la evaluacin de los mismos43 La herramienta, al surgir como aporte de la Dinmica de Sistemas y el Enfoque Pedaggico Constructivista, ofrece una alternativa a la educacin tradicional, permitindole al estudiante la oportunidad de explorar, simular y tener nuevas alternativas en el manejo de las ideas sobre polticas implementadas para dar una solucin a una situacin en particular. De esta manera le permite al estudiante de una forma alternativa ver como se comportaran los fenmenos sociales, bajo ciertos supuestos y le brinda la posibilidad de comparar sus modelos mentales con los resultados de la simulacin. Con la implementacin de herramientas que tengan en su conceptualizacin los principios bsicos de la Participacin Ciudadana y que a su vez incluyan ejemplos ilustrativos en la vida real, se logra crear en el estudiante cierto grado de conciencia y orientacin hacia el uso de los mecanismos de Participacin Ciudadana.

43

Documento convocatoria_224. pdf obtenido del sitio Web http://www.colciencias.gov.co/servicios/guiapresentproy.html

Para el caso, la dinmica de sistemas, dentro de un micromundo, puede presentarse como una alternativa de aprendizaje diferente a las herramientas computacionales tradicionales (software educativo) que comnmente estn siendo utilizadas en el medio colombiano. Esto crea tanto en el alumno como en el docente, una nueva perspectiva sobre el software educativo orientndolos hacia la existencia de otra clase de material educativo que facilite el proceso de coconstruccin del conocimiento. El desarrollo de Micromundos interactivos es una opcin alternativa que debera ser abordada por desarrolladores de software educativo. El avance de las nuevas tecnologas, unido con la cultura informtica es cada vez mayor a nivel de estudiantes y profesores, esto permite pensar en tener materiales educativos computarizados que propendan por generar procesos reflexivos en procura de explotar todo el potencial tecnolgico en pro de apoyar efectivamente el proceso de co-construccin del conocimiento.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD TRES 1. Cul es el aporte del modelado para la toma de decisiones? 2. Qu es tomar decisiones? 3. Qu es una situacin de incertidumbre? 4. El modelado minimiza la incertidumbre, por qu? 5. Es importante la toma de decisiones para la organizacin si sta tiene bajos niveles de incertidumbre? 1. Qu es un sistema? 2. Qu es una organizacin? 3. Puede verse una organizacin como si fuera un sistema? 4. Si la organizacin es un sistema, puede sta modelarse? 5. Toma usted decisiones en la empresa donde labora, usara modelos en adelante? 1. Qu estrategia se usara para representar los datos del grfico del caso de estudio? 2. Puede construirse un modelo de dicho caso? 3. Qu cosas seran un nivel? 4. Qu cosas seran un flujo? 5. Qu cosas seran variables auxiliares? 1. Por qu razn la caja es un Nivel? 2. Por qu razn los egresos son un flujo? 3. Explique la razn por la cual pronstico de venta es una variable exgena? 4. Qu papel cumple la variable "Venta_Anterior"? 5. Proponga elementos adicionales que puedan contribuir en la mejora del modelo 1. El modelo reacciona segn lo esperado? 2. Los comportamiento eran previsibles? 3. El parmetro analizado es sensible? 4. Qu decisiones se pueden tomar teniendo en cuenta el modelo y los resultados de simulacin? 5. Modificara algo del modelo, qu? 1. Qu es un sistema agropecuario? 2. Cules son los componentes del sistema agropecuario? 3. Ese tipo de sistemas son factibles de ser modelados? 4. Qu variables identifica como niveles en dicho sistema? 5. Conoce usted algn sistema agropecuario, descrbalo? 1. Qu es una cadena de valor? 2. Qu es una cadena de suministro? 3. Qu es una cadena productiva? 4. Qu relacin hay entre el efecto ltigo y la cadena productiva? 5. Cules son los principales flujos en las cadenas productivas? 1. Cules son los principales eslabones de la cadena productiva del tabaco? 2. Cules de las variables de dicha cadena son niveles? 3. Cules de las variables de dicha cadena son flujos? 4. Cules de las variables de dicha cadena son variables auxiliares? 5. Haga una primera aproximacin al diagrama de flujos y niveles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

1. Los elementos del diagrama de Forrester estn bien determinados? 2. Qu elementos hacen falta en el modelo? 3. Defina los datos del modelo? 4. Disee un posible escenario? 5. Haga el anlisis de sensibilidad? 1. Qu problemas tuvo al momento de elaborar el escenario? 2. Se reconoce la diferencia entra cadena de valor y cadena productiva? 3. Qu aplicaciones percibe de este tipo de modelado? 4. De acuerdo a su carrera en que tpicos se podra usar la dinmica de sistemas? 5. Podra usted usar la dinmica de sistemas para orientar su vida, cmo? Proponga un posible desarrollo de la dinmica de sistemas que pueda ser aplicado en otra rama del conocimiento, para ello defina: 1. Ttulo 2. Objetivos 3. Marco referencial 4. Metodologa 5. Programacin de tiempos

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

FUENTES DOCUMENTALES DE LA UNIDAD TRES RADZICKI M. et al, Why Every Engineering Student Should Study System Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE November 6 - 9, 2002, Boston, MA. NIND, T.E.W. , (1987) Fundamentos de produccin y mantenimiento de pozos petroleros, Mxico, Limusa. ANDRADE, H et al. (2001). Pensamiento Sistmico: Diversidad en Bsqueda de Unidad. Primera Edicin, Bucaramanga: Ediciones UIS. KANNEL WB., Contributions of the Framingham Study to the conquest of coronary artery disease. Am J Cardiol. 1988;62:1109-1112. 1 MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial S.A, 1995. Toma de decisiones disponible en lnea en: http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.ht ml MACHADO C, A. y TORRES O, J, El sistema agroalimentario. una visin integral de la cuestin agraria en Amrica Latina, 1. ed. 1987, CEGA, Siglo Veintiuno Editores, Bogot, D.E., Colombia. MOORE, TW. introduccin a la teora de le educacin. Madrid: Alianza editorial S.A, 1995. PINEDA, E. et al: El Modelado Y Simulacin Para La Comprensin De Los Sistemas De Produccin De Pozos Petroleros en: Revista de Investigaciones UNAD, Volumen 8, Nmero 1, Junio De 2009. ISSN: 0124 793X, Indexada Colciencias tipo C. pp. 135-152. PINEDA, E, et al. VI Congreso Colombiano De Informtica Educativa. Ponencia Presentada. El Cambio En El Aprendizaje De La Economa, Guiado Con Micromundos Construidos Con Dinmica De Sistemas, Micras 1.0. EAFIT Medelln, Julio De 2002. PINEDA, E, et al. VI Congreso Internacional de Informtica en Salud: Ponencia presentada: Una Forma De Usar Los Sistemas Expertos Y La Dinmica De Sistemas Como Apoyo En Los Procesos De Prevencin Cardiovascular, La Habana, Febrero De 2007. PINEDA, E, et al. VII Congreso Colombiano De Informtica Educativa. Ponencia Presentada. Cmo Desde La Ingeniera De Sistemas, Abordar El Estudio De

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

Los Procesos De Participacin Ciudadana, En Procura De Crear Competencias Ciudadanas? Burgpolis 1.0. Hotel Tequendama, Bogot, Julio De 2004. TABACO, material del DNP, disponible en lnea en: http://www.dnp.gov.co/PortalWeb/Portals/0/archivos/documentos/DDE/Tabaco.pdf

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

Software Recomendado Software Descarga

Evolucion 4.1

Vensim

Powersim

Descripcin Evolucin inici con una propuesta del ingeniero Hugo Hernando Andrade Sosa profesor de la Universidad Industrial de Santander, fundador del grupo SIMON de Investigacin en Modelamiento y Simulacin adscrito a la Escuela de Ingeniera http://simon.uis.e de Sistemas e Informtica; el profesor es du.co/joomla/hom reconocido en muchas partes del mundo por sus e/index.php?optio aportes realizados en Dinmica de Sistemas n=com_content& (DS), Pensamiento Sistmico y otras reas, entre view=article&id=2 sus principales aportes se encuentra Evolucin, 13&Itemid=94 software producido en la UIS, y que ha sido de gran utilidad en diferentes instituciones educativas, para la enseanza y la investigacin en DS. Este proyecto agradece a l la idea inicial de Evolucin y el incansable esfuerzo e inters por mejorarlo. Vensim es una herramienta grfica de creacin de modelos de simulacin que permite conceptualizar, documentar, simular, analizar y optimizar modelos de Dinmica de Sistemas. Vensim proporciona una forma simple y flexible de crear modelos de simulacin, sean con diagramas causales o con diagramas de flujos. Las relaciones entre los elementos del sistema http://www.vensi represntan las relaciones causales, que se m.com/freedownl muestran mediante la conexin de palabras con oad.html flechas. Esta informacin se usa despus por el Editor de Ecuaciones para crear el modelo de simulacin. Se puede analizar el modelo en el proceso de construccin teniendo en cuenta las causas y el uso de las variables, y tambin estudiando los ciclos relacionados con una variable. Mientras que se construye un modelo que puede ser simulado, Vensim permite explorar el comportamiento del modelo. Desde el manejo de una operacin especfica hasta las estrategias que le dan forma a las empresas, quienes toman decisiones utilizan http://www.power modelos todos los das para sus tomas de sim.com/main/pro decisiones. Cuando nos enfrentamos a un ducts___services problema, utilizamos nuestros modelos mentales /download/demo/ para formular hiptesis sobre cual cadena de causa y efecto podemos utilizar para alcanzar el resultado deseado. La complejidad de nuestros

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA. CONTENIDO DIDCTICO DEL CURSO: 301126 DINMICA DE SISTEMAS

"modelos mentales" exceden nuestra capacidad para anticipar las implicaciones de nuestras decisiones basadas en estos modelos. Es por esta razn que se utilizan herramientas de Modelado & Simulacin como la provista por Powersim para "mapear" (construir un mapa o dibujo) de manera formal nuestros modelos mentales en modelos que pueden ser simulados y analizados en las computadoras.