Vous êtes sur la page 1sur 99

Dinmica de

sistemas
Estructuras y
comportamientos
para la gestin

Ing. Miguel Fernando Inga Avila

Ing. Jos Luis Olivera Meza

Mg. Freddy Rolando Arcos Chuquillanqui

Universidad Nacional del Centro del Per


Instituto de Investigacin
2009

Las organizaciones y las personas buscan relacionarse


con los dems, intentan actuar en forma abierta y flexible,
y buscan resultados; sin embargo la realidad es menos
que sus intenciones, sus relaciones son mal gestionados
y desconocidas, tienen procedimientos cerrados y rgidos,
y los resultados auspiciosos de corto plazo son contrarios
a los de largo plazo. stas paradojas son inevitables, es
producto del azar?
En las organizaciones existen estructuras que enmarcan
sus

comportamientos,

estructuras

permitirn

la

comprensin

entender

las

de

tales

interrelaciones

dinmicas de variables que causan dichos resultados y


en funcin de ello generar cursos de accin sobre
aquellas

variables

beneficiosos

que

desencadenen

sostenidos

para

en

resultados
contextos

organizacionales e individuales. La dinmica de sistemas


permite

conocer

estas

estructuras,

modelarlas

simularlas para evaluar acciones en beneficio de los


sistemas reales.

Universidad Nacional del Centro del Per

Dinmica de sistemas
Estructuras y comportamientos para la gestin

Ing. Miguel Fernando Inga Avila

Ing. Jos Luis Olivera Meza

Mg. Freddy Rolando Arcos Chuquillanqui

Dinmica de sistemas
Estructuras y comportamientos para la gestin

Universidad Nacional del Centro del Per


Instituto de Investigacin
Huancayo, 2009

2009 Ing. Miguel Fernando Inga Avila, Ing. Jos Luis Olivera Meza,
Mg. Freddy Rolando Arcos Chuquillanqui
Reservados todos los derechos

Universidad Nacional del Centro del Per


Carretera Central km 5, Ciudad Universitaria, El Tambo
Huancayo - Per
www.uncp.edu.pe
Reservados todos los derechos
Depsito Legal N 2009-04513
ISBN: 978-612-45488-0-2

A quienes tienen actitud de cambio

NDICE
INTRODUCCIN

XI

CAPITULO I: FUNDAMENTOS DE DINMICA DE SISTEMAS


1.1 DESARROLLO DE LA DINMICA DE SISTEMAS

1.2 UN NUEVO ACERCAMIENTO A LOS SISTEMAS SOCIALES

1.3 LA COMPUTADORA PLANEA LOS SISTEMAS SOCIALES

1.4 LA NATURALEZA CONTRAINTUITIVA DE LOS SISTEMAS SOCIALES

1.5 FUNDAMENTO DE LA METODOLOGA

1.5.1 Lneas de desarrollo cientfico-tcnico

1.5.2 Problemtica en la gestin de los sistemas sociales

1.5.3 Diseo de modelos de sistemas sociales

10

CAPITULO II: ELEMENTOS DE LA DINMICA DE SISTEMAS


2.1 CONCEPTUALIZACIN DE DINMICA DE SISTEMAS

13

2.1.1 Objeto de la metodologa

13

2.1.2 Esbozo de la metodologa

14

2.2 ELEMENTOS DE UN MODELO

14

2.2.1 Diagrama causal o diagrama de influencias

14

2.2.1.1 Variable y vnculo causal

14

2.2.1.2 La polaridad de los vnculos causales

15

2.2.1.3 Las demoras

17

2.2.1.4 Bucles de realimentacin

18

2.2.1.5 Reglas para un buen modelado

21

2.2.2 Diagramas de Forrester

26

2.2.2.1 Variables de Nivel

27

2.2.2.2 Variables de flujo

28

2.2.2.3 Variables auxiliares

29

2.2.2.4 Fuentes y sumideros

30

2.2.2.5 Canales de material e informacin

30

2.2.2.6 Subsistemas conservativos

31

2.2.3 Ecuaciones

31

CAPITULO III: PROCESO DE CONSTRUCCION DE MODELOS DINMICOS


3.1 PROCESO DE MODELADO

33

3.1.1 Fase de conceptualizacin

33

3.1.1.1 Propsito del modelo

33

3.1.1.2 Limites del sistema

35

3.1.1.3 Comportamientos de referencia

35

3.1.1.4 Mecanismos bsicos

36

3.1.2 Fase de Formalizacin

37

3.1.3 Fase de Validacin e Implementacin

39

3.1.3 Fase de Implementacin

42

3.2 HERRAMIENTAS INFORMTICAS PARA MODELOS DINMICOS

43

CAPITULO IV: ESTRUCTURAS BSICAS


4.1 REALIMENTACIN POSITIVA

46

4.1.1 Estructura

46

4.1.2 Exploracin de la conducta

47

4.2 REALIMENTACIN NEGATIVA

49

4.2.1 Descripcin y representacin

49

4.2.2 Exploracin de la conducta

51

4.3 COMPORTAMIENTO EN S

52

4.3.1 Descripcin y representacin

52

4.3.2 Exploracin de la conducta

54

4.4 ARQUETIPOS SISTMICOS

56

4.4.1 Compensacin entre proceso y demora

56

4.4.2 Limites del crecimiento

57

4.4.3 Desplazamiento de la carga

58

4.4.4 Caso especial: desplazamiento de la carga hacia la intervencin

60

4.4.5 Erosin de metas

61

4.4.6 Escalada

63

4.4.7 xito para quien tiene xito

64

4.4.8 Tragedia del terreno comn

65

4.4.9 Soluciones rpidas que fallan. Apaguen ese incendio

67

4.4.10 Crecimiento y subinversin

68

CAPITULO V: ESTRUCTURAS ESPECFICAS


5.1 RETRASOS

70

5.1.1 Descripcin y representacin

70

5.1.2 Tipos de retraso

71

5.1.2.1 Retraso de material

71

5.1.2.2 Retraso de informacin

75

5.1.3 La demora causa oscilacin

76

5.2 CADENAS Y COFLUJOS

76

5.1.1 Cadenas

76

5.1.1.1 Representacin

77

5.1.1.2 Aplicacin

77

5.1.2 Coflujos

79

5.3 NO-LINEALIDADES

82

BIBLIOGRAFA

88

INTRODUCCIN
Las organizaciones y las personas buscan relacionarse con los dems, intentan actuar en
forma abierta y flexible, y buscan resultados; sin embargo la realidad es menos que sus
intenciones, sus relaciones son mal gestionados y desconocidas, tienen procedimientos
cerrados y rgidos, y los resultados auspiciosos de corto plazo son contrarios a los de
largo plazo. stas paradojas son inevitables, es producto del azar?
En el libro se abordan los fundamentos que permiten explicar estas paradojas con el
propsito de comprender qu provoca los resultados y en funcin de ello gestionar el
accionar individual y colectivo en bsqueda de los resultados deseados.
En el Captulo I se aborda los fundamentos de la Dinmica de Sistemas desde una
perspectiva histrica que reside en la conceptualizacin de los sistemas como una
totalizada compleja, de mltiples relaciones que provoca la naturaleza contraintuitiva de
los sistemas sociales, y la relevancia de su modelado y simulado para visualizar
comportamientos del sistema y poder tomar acciones en base a ello que favorezcan el
desenvolvimiento del sistema.
El Captulo II describe los elementos de la Dinmica de Sistemas. Como metodologa, se
establece cul es el propsito que se busca en su aplicacin, para ello se describe los
pasos que se deben llevar a cabo considerando los diagramas causales y los diagramas
de Forrester bajo ciertas reglas que se sugieren tener en cuenta para un buen modelado
de os sistemas.
En el Captulo III se detalla el procedimiento de la metodologa en el cual se resalta la
importancia de la fase de conceptualizacin debido a que permite delimitar el modelado
bajo un objetivo sobre el cual se seleccionarn las variables para el modelo. La eficacia
de las dems fases depende en gran medida de la claridad en la fase de
conceptualizacin, por lo cual se debe poner a prueba los resultados de esta fase antes
de pasar a las siguientes bajo las consideraciones planteadas en este captulo. La fase
de formalizacin permite la depuracin de los resultados de la conceptualizacin y a
expresin del modelo dinmico para su simulacin. La validacin de un modelo dinmico
es una fase que permite que el modelo sea coherente en estructura y en comportamiento
con el sistema real para que as las acciones de la fase de implementacin permitan el
objetivo para el cual se realiz el modelado.
En el Captulo IV, se explican las estructuras bsicas sobre los cules se construyen los
modelos dinmicos. A partir de las estructuras de realimentacin positiva y negativa se
construyen los diversos modelos que explican los comportamientos de los sistemas.
Sobre estas dos estructuras principales, se complementan con la estructura en S y los

arquetipos por ser estructuras que explican comportamientos recurrentes en sistemas


reales, los cuales son pertinentes para la comprensin de comportamientos tpicos.
Finalmente, en el Captulo V, se presentan las estructuras especficas que permiten
detallar particularidades de los sistemas en forma agregada a las estructuras bsicas.
Aspectos como demoras, recorridos de recursos en procesos de transformacin o
nolinealidades son requieren ser incorporados segn los casos sobre estructuras bsica
que pueden explicar el comportamiento de un sistema pero que necesitan de estas
incorporaciones para una mejor explicacin y acercamiento a la estructura y l
comportamiento real que permite su validacin.
De manera general, modelar un sistema es complejo por las variables intervinientes, su
cuantificacin, la ausencia de informacin, la presencia de variables cualitativas, la
incertidumbre del objetivo, entre otros; sin embargo, al tratarse de modelos dinmicos de
sistemas sociales, sta complejidad es mucho mayor, debido a que el sistema social es
un gran bazar de variedad de variables, de combinaciones de relaciones y de objetivos lo
cual conlleva a la necesidad de modelar en forma multidisciplinaria, ajo un enfoque
sistmico y con la conviccin que todo modelo dinmico es mejorable para el desarrollo
de los sistemas reales.

CAPITULO I
FUNDAMENTOS DE DINMICA DE SISTEMAS
1.1 DESARROLLO DE LA DINMICA DE SISTEMAS
El campo profesional conocido como Dinmica de Sistemas se ha estado desarrollado
durante los ltimos 35 aos, actualmente tiene un nmero de miembros en el mbito
mundial en forma creciente. La Dinmica de Sistemas combina la filosofa, teora y
mtodos necesarios para analizar la conducta de sistemas en ms de una direccin y en
diversos campos. La Dinmica de Sistemas proporciona un fundamento amplio lo cual
permite su aplicacin en las reas que queramos comprender e influir sobre el cambio de
las cosas a travs del tiempo.
Los procesos dinmicos de sistemas comienzan a partir de un problema a resolver,
denominada situacin problema, que necesita ser entendida mejor, o una conducta
indeseable que est para ser corregida o evitada. El primer paso es ahondar en la
riqueza de la informacin que las personas poseen en sus mentes. La base de datos
mental es una fuente rica de informacin sobre las partes de un sistema, sobre la
informacin disponible en los diferentes puntos de un sistema, y sobre las polticas que
estn siendo seguidas en la toma de decisiones. La administracin y las ciencias sociales
se restringieron indebidamente a los datos cuantitativos y descuidaron la fuente de
informacin ms rica e informativa que existe en el conocimiento y experiencia de estas
ciencias en actividad.
La Dinmica de Sistemas usa conceptos deducidos del mbito del control de
realimentacin para organizar la informacin disponible en modelos de simulacin de
computadora. Una computadora digital como un simulador, acta fuera de los papeles de
las personas operando en el sistema real, revela las implicaciones del comportamiento
del sistema que se ha descrito en el modelo. Los primeros artculos basados en este
trabajo aparecido en la Harvard Business Review (Forrester, 1958). Por ms de tres
dcadas, en el modelamiento de sistemas dinmicos han surgido guas tiles para
trabajar hacia un entendimiento mejor del mundo alrededor de nosotros.
La bsqueda continua por entender mejor los sistemas sociales y econmicos representa
la prxima gran frontera. Las fronteras del pasado han incluido la creacin de literaturas
escritas, explorando lmites geogrficos de tierra y espacio, y penetrando misterios de la
ciencia fsica. Aquellas fronteras no son ms largas; se han vuelto en una parte de la
actividad cotidiana. Por contraste, las visiones hacia la conducta de los sistemas sociales

no han avanzado al igual que nuestra comprensin del mundo natural. Para citar B. F.
Skinner:
"Hace veinticinco cientos aos se podra haber dicho que el hombre se entendi as
como cualquier otra parte de su mundo... Hoy l es la cosa que l entiende menos. La
fsica y la biologa han recorrido un largo camino, pero no hubo un desarrollo
comparable con algo como una ciencia de conducta humana... Aristteles no podra
entender una pgina de fsica modernas o biologa, pero Socrates y sus amigos
tendran un problema pequeo siguiendo la mayora de las discusiones actuales de
asuntos humanos". (Skinner, 1971, pg. 3)
El gran desafo durante las prximas dcadas ser avanzar comprendiendo los sistemas
sociales de la misma manera que el ltimo siglo ha adelantado en la comprensin del
mundo fsico.

1.2 UN NUEVO ACERCAMIENTO A LOS SISTEMAS SOCIALES


La mente humana no se adapta a interpretar cmo los sistemas sociales se comportan.
Los sistemas sociales pertenecen a la clase llamada sistemas de realimentacin no-lineal
multicircular. A lo largo de la historia de la evolucin no ha sido necesario hasta los muy
recientes tiempos para las personas entender los sistemas de realimentacin complejos.
Los procesos evolutivos no nos han dado la habilidad mental para interpretar la conducta
dinmica de dichos sistemas complejos en que nosotros ahora estamos involucrados.
Las ciencias sociales, que deben estar tratando con los grandes desafos de la sociedad,
se han restringido a pequeos mbitos de la investigacin. Muchas prcticas erradas
componen nuestras naturales limitaciones mentales. Las computadoras estn usndose
a menudo para lo que las computadoras hacen pobremente y la mente humana hace
bien. Al mismo tiempo la mente humana se usa para lo que la mente humana hace
pobremente y las computadoras hacen bien. Adems, se intentan las tareas imposibles
mientras se ignoran las metas posibles e importantes.
Hasta hace poco, ninguna manera de estimar la conducta de los sistemas sociales existi
excepto por la contemplacin, discusin, argumento, y conjetura. Como una manera fuera
del dilema presente, esbozar aqu un acercamiento que combina la fuerza de la mente
humana y la fuerza de las computadoras de hoy. El acercamiento crece fuera de los
desarrollos durante los ltimos 60 aos, en que mucha de la investigacin pionera ocurri
en el Instituto Tecnolgico de Massachusetts. Los conceptos de conducta de los sistemas
de regeneracin aplican aplastantemente a los sistemas fsicos a travs de los sistemas
sociales. Las ideas de sistema de regeneracin fueron desarrolladas primero y aplicados
en la ingeniera de sistemas.
La comprensin de los sistemas closed-loop(feedback) han alcanzado ahora la utilidad
prctica en los sistemas sociales.

Estoy hablando del campo profesional de dinmica de sistemas. Se han hecho


aplicaciones de dinmica de sistemas a la poltica corporativa, a la conducta de diabetes
como un sistema mdico, crecimiento y estancamiento de reas urbanas, y a fuerzas del
mundo que representan las interacciones de poblacin, polucin, industrializacin,
recursos naturales, y alimentacin.
El desarrollo de dinmica de sistemas empez en el M.I.T. en 1956. El desarrollo
continuo de dinmica de sistemas se ha extendido ahora a muchos pases. La Sociedad
Internacional de Dinmica de Sistemas, unific el trabajo en la profesin. Docenas de
libros y miles de documentos existen ahora sobre la dinmica del sistema y sus
aplicaciones.

1.3 LA COMPUTADORA PLANEA DE SISTEMAS SOCIALES


Las personas nunca enviaran una nave espacial a la luna sin primero probar un modelos
de prototipos y haciendo simulaciones por computadora de la trayectorias anticipadas.
Ninguna compaa pondra un nuevo aparato de la casa o avin en la produccin sin
primero realizar pruebas de laboratorio. Tales modelos y pruebas de laboratorio no
garantizan contra el fracaso, pero ellos identifican muchas debilidades que pueden
corregirse antes de que ellos causen desastres a mayor escala.
Los sistemas sociales son ms complejos y ms difciles de entender que los sistemas
tecnolgicos. Por qu entonces no usamos el mismo acercamiento de hacer modelos de
sistemas sociales y llevar a cabo experiementos de laboratorio antes de adoptar nuevas
leyes y programas del gobierno? La respuesta de costumbre asume que nuestro
conocimiento de sistemas sociales no es suficiente para construir modelos tiles.
Pero qu justificacin puede estar all para asumir que nosotros no sabemos bastante
para construir modelos de sistemas sociales pero creer que nosotros sabemos bastante
para redisear los sistemas sociales directamente pasando las leyes y empezando los
nuevos programas? Sugiero que ahora sabemos lo suficiente para hacer modelos tiles
de sistemas sociales. Recprocamente, no sabemos lo suficiente para disear las
polticas sociales ms eficaces directamente sin primero ir a travs de un modelo-edificio
la fase experimental.
La evidencia de apoyo sustancial est fundamentando que el uso apropiado de modelos
de sistemas sociales puede conducir a mejores sistemas, leyes, y programas.
El laboratorio real de modelosde sistemas sociales puede ser construdo ahora. Tales
modelos son simplificaciones de sistemas reales, pero modelos de computadora que
pueden ser ms comprensivos que los modelos mentales que se usara por otra parte.
Antes de ir ms all, por favor comprenda que nada nuevo hay en el uso de modelos
para representar los sistemas sociales. Cada uno de nosotros usa a modelos
constantemente. Cada persona en la vida privada y en los negocios instintivamente usa a

modelos para tomar decisiones. Las imgenes mentales en la cabeza de uno sobre
nuestros ambientes son modelos. Nuestra cabeza no contiene familias, negocios,
ciudades, gobiernos, o pases reales. algunos emplean conceptos y relaciones para
representar sistemas reales. Una imagen mental es un modelo. Todas las decisiones se
toman en base a modelos. Todas las leyes son dadas en base a modelos. Todas las
acciones ejecutivas se toman en base a modelos. La pregunta no es usar o ignorar los
modelos. La pregunta es slo una opcin entre la alternativa de modelos.
Los modelos mentales estn rizados, incompletos, e imprecisamente declarado. Adems,
dentro de un solo individuo, los modelos emntales cambian con el tiempo, incluso durante
el flujo de una simple conversacin. La mente humana congrega pocas relaciones para
encajar el contexto de una discusin. As como cambian los debates, los modelos
mentales tambin. Incluso cuando slo un solo tema est discutindose, cada
participante en una conversacin emplea diferente modelo mental para interpretar el
asunto.
Las asunciones fundamentales difieren pero nunca son palnteados abiertamente. Las
metas son diferentes pero no son declaradas.
Es un poco maravillloso que el compromiso tome tanto. E incluso cuando el acuerdo
general se alcanza, las asunciones subyacentes pueden ser falacias que llevan a las
leyes y programas al error. La mente humana no est adaptada a entender
correctamente las consecuencias implicadas por un modelo mental. Un modelo mental
puede ser correcto en la estructura y asunciones pero, aun as, la mente humana -an
individualmente o como un acuerdo general de grupo--es inclinado trazar implicaciones
erradas para el futuro.
La incapacidad de la mente humana para usar sus propios modelos mentales es clara
cuando un modelo de computador es construdo para reproducir las asunciones
contenidas en el modelo mental de una persona. El modelo de la computadora es
totalmente refinado hasta que est de acuerdo con las percepciones de una persona
particular o grupo. Normalmente, entonces el sistema que se ha descrito no acta de la
manera en que las personas se anticiparon. Hay contradicciones internas en los modelos
mentales entre la estructura supuesta y las consecuencias futuras supuestas.
Ordinariamente las asunciones sobre la estructura y las polticas gobernantes internas
son ms cercanamente correctas que las asunciones sobre la conducta implcita.
En contraste a los modelos mentales, los modelos de simulacin de la dinmica de
sistemas son explcitos sobre las asunciones y cmo ellos interrelacionan. Cualquier
concepto que puede describirse claramente en palabras puede incorporarse en un
modelo de la computadora. La construccin de un modelo de computador fuerza la
clarificacin de ideas. Las asunciones inciertas y ocultas son expuestas para que ellos
pueden ser examinadas y debatidas.

La ventaja principal de un modelo de simulacin de computadora sobre las mentiras de


un modelo mental en el camino a un modelo de compuador puede determinar fiablemente
las consecuencias dinmicas futuras fiablemente de cmo las asunciones dentro del
modelo actan entre s. All la necesidad es sin duda sobre la simulacin con precisin en
un computador digital de las acciones que resultan de las declaraciones sobre la
estructura y polticas en un modelo con precisin.
De algunas maneras, los modelos de la computadora son notablemente similares a los
modelos mentales. Los modelos del computador se derivan de las mismas fuentes;
pueden ser discutidos en los mismos trminos. Pero los modelos de la computadora
difieren de los modelos mentales en aspectos importantes. Los modelos de la
computadora son declarados explcitamente. La notacin matemtica usada para
describir a los modelos de la computadora no es ambigua. El idioma de simulacin de
computadora es ms claro, ms simple, y ms preciso que los idiomas hablados. Las
instrucciones del computador tienen claridad de significado y simplicidad en la sintaxis del
lenguaje. El lenguaje de un modelo de computador puede entenderse por casi cualquiera,
sin tener en cuenta la formacin educativo. Adems, cualquier concepto que puede
declararse claramente en el idioma ordinario puede traducirse en el lenguaje del modelo
del computador.
Hay muchos acercamientos a los modelos de la computadora. Algunos son ingenuos.
Algunos son conceptualmente incoherentes con la naturaleza de los sistemas reales.
Algunos estn basados en metodologas para obtener datos de entrada que
comprometen a los modelos a omitir las relaciones principales en las reas psicolgicas y
humanas que todos sabemos son cruciales. Con tanta actividad en los modelos del
computador y con la misma terminologa teniendo significados diferentes en los diferentes
acercamientos diferentes, la situacin est confundiendo a un observador casual. La llave
al xito no es teniendo una computadora; la importante es cmo la computadora se usa.
Con respecto a los modelos, la llave no es informatizar un modelo, pero, en cambio, para
tener una estructura ejemplar y las polticas decisin-accin que apropiadamente
representen el sistema bajo consideracin.
Estoy hablando aqu de modelos de dinmica de sistemas -el tipo de modelos de
computador que slo ahora llegan a ser ampliamente usadas en las ciencias sociales.
Los modelos de dinmica de sistemas no se derivan estadsticamente de datos de
tiempo-serie. En cambio, son declaraciones sobre la estructura del sistema y de las
polticas que guan las decisiones. Los modelos contienen las asunciones hechas sobre
un sistema. Un modelo slo es tan bueno como el experto que miente detrs de su
formulacin. Un modelo de computador bueno es distinguido de uno pobre por el grado
en que captura la esencia del sistema que representa. Otros tipos de modelos
matemticos estn limitados porque no aceptan la naturaleza de mltiples
realimentaciones y la no linealidad de los sistemas reales.

Por otro lado, los modelos de computador de la dinmica de sistemas pueden reflejar la
conducta de sistemas reales. Los modelos de la dinmica del sistema muestra cmo las
dificultades con los sistemas sociales actuales se levantan, y demuestra por qu tantos
esfuerzos por mejorar los sistemas sociales han fallado. Pueden construirse modelos que
sean superiores a los modelos intuitivos que estn en las mentes de las personas y sobre
las cuales los programas sociales nacionales estn ahora basadas.
La dinmica del sistema difiere de dos maneras importantes de la prctica comn en las
ciencias sociales y en el gobierno. Otros acercamientos asumen que la mayor dificultad
en el entendimiento de la situacin de los sistemas es la escasez de informacin y datos.
Una vez que los datos son reunidos, las personas se han sentido seguras interpretando
las implicaciones. Difiero en ambas actitudes. El problema no es la escasez de datos sino
incapacidad para percibir las consecuencias de la informacin que ya poseemos. El
acercamiento a la dinmica de sistemas comienza con los conceptos y la informacin
sobre los cuales la gente ya acta. Generalmente, la informacin disponible sobre la
estructura y las polticas de decisin-accin del sistema es suficiente. La informacin
disponible se une en un modelo del computador que puede mostrar consecuencias de
comportamiento de partes bien conocidas de un sistema. Generalmente, la conducta es
diferente de qu personas ha asumido.

1.4 LA NATURALEZA CONTRAINTUITIVA DE LOS SISTEMAS SOCIALES


Nuestras primeras visiones en los sistemas sociales complejos vinieron del trabajo
corporativo. Una y otra vez entramos en corporaciones que estaban teniendo dificultades
severas y bien conocidas. Las dificultades seran obvias, como el segmento de mercado
decreciente, rentabilidad baja, o inestabilidad del empleo. Tales dificultades eran
conocidas a lo largo de la compaa y fueron discutidas en la prensa de negocios.
Uno puede entrar en una compaa con problemas y discutir qu personas ven como las
causas y soluciones a sus problemas. Uno encuentra que las personas perciben
razanablemente de manera correcta sus ambientes inmediatos. Saben lo que estn
intentando lograr. Conocen las crisis que forzarn ciertas acciones. Son sensibles al
poder de la estructura organizacional, a las tradiciones, y a sus propio bienestar y metas
personales. Cuando investigo que circunstancias son conducentes a franquear el
descubrimiento, las personas declaran lo que estn haciendo y pueden dar las
argumentos racionales para sus acciones. En una compaa con problemas, las personas
estn actuando normalmente con una conciencia buena y dando lo mejor de sus
habilidades para ayudar a solucionar las dificultades mayores. Estn siguindose las
polticas que creen aliviarn las dificultades. Uno puede combinar las polticas declaradas
en un modelo de la computadora paramostrar las consecuencias de cmo las polticas
interactan entre s. En muchos casos sucede que las polticas conocidas describen un
sistema que realmente causa los problemas observados. En otros trminos, las prcticas
conocidas e intentadas de la organizacin son suficientes para crear las dificultades que

son experimentadas. Normalmente, los problemas se culpan a las fuerzas externas, pero
un anlisis dinmico muestra a menudo cmo las polticas internas estn causando los
problemas.De hecho, un espiral descendente puede desarrollar que las soluciones
presuntas provoquen las dificultades ms graves y por eso causan los incentivos
mayores para redublar las mismas acciones que son las causas del problema.
La misma escalera de caracol descendente frecuentemente se desarrolla en el gobierno.
El juicio y el debete conducen a un programa que parece ser legtimo. El compromiso
aumenta a la solucin aparente. Si la solucin presunta atualmente provoca peores
resultados, el proceso por la que pasa la degradacin no es evidente. As, cuando los
problemas aumentan, los esfuerzos se intensifican, empeorando la situacin realmente.
A mediados de los aos 50, la confluencia de movimientos cientficos y tecnolgicos
como la teora general de sistemas, la ciberntica y el empleo del computador; condujo al
desarrollo de la dinmica de sistemas como alternativa para entender el comportamiento
de los sistemas. Esta metodologa, ideada por Jay Forrester a raz de un trabajo realizado
en la empresa Sprague Electric, se emple inicialmente para entender el comportamiento
de procesos industriales, durante los aos 60 se us en aplicaciones urbanas y en 1970
para construir el modelo del mundo. Actualmente su campo de accin se ha extendido
amplia y profundamente hacia los sistemas sociales, adems es empleado por diversos
campos de la ciencia social como la administracin, la sociologa, la sicologa entre otros.
La dinmica de sistemas se ha convertido en un cimiento cognitivo y prctico en la
gestin de organizaciones. El trabajo de Peter Senge y la publicacin de su obra La
Quinta disciplina han favorecido la aplicacin de la dinmica de sistemas en el campo
empresarial. La quinta disciplina 1 , obra que ha marcado la tendencia de construir
organizaciones inteligentes, creativas e innovadoras; tiene como pilar a los modelos
dinmicos en el sustento y explicacin de muchas de sus propuestas. Incluso la
metodologa est llevando al desarrollo de nuevos campos profesionales como el diseo
de empresas.
El desafo para nuestras organizaciones se centra en construir una gestin cimentada en
el entendimiento del comportamiento dinmico propio de cada organizacin. Conocer
cmo se producen las diversas manifestaciones en el sistema, conduce a tomar
decisiones considerando las repercusiones que se puedan presentar en el sistema en el
corto y largo plazo. Bajo ste contexto, la dinmica de sistemas, adems de coadyuvar a
comprender de mejor modo los sistemas humanos, constituye un soporte para el diseo
de la estructura y de las polticas de estos sistemas con la intencin de orientar mejor a
las personas que forman parte de ellos.

Libro publicado por Peter Senge en 1990 como resultado de su tesis doctoral en el Instituto Tecnolgico de

Massachussets. En l se sostiene que el entorno dinmico de las organizaciones exige a construir organizaciones capaces
de aprender como nica alternativa para competir.

En general, los estudios de dinmica de sistema influyentes son aquellos


que cambian la manera de pensar de las personas sobre un sistema.
Jay forrester

1.5 FUNDAMENTO DE LA METODOLOGA


1.5.1 Lneas de desarrollo cientfico-tcnico
El desarrollo de la dinmica de sistemas se incorpora en el intento de establecer tcnicas
que permitan expresar en un lenguaje formalizado el de las matemticas los modelos
verbales (mentales) de los sistemas sociales. Su evolucin es paralela a la de otras
tcnicas especficas de anloga motivacin, como la econometra y el modelado
estructural, de gran componente subjetivo (Aracil 1978: 11). La econometra corresponde
al enfoque basado en el procesamiento de datos histricos, lo cual presupone una
estructura del modelo a la cual los datos deben ajustarse. El modelado estructural
sostiene se establece la estructura luego del anlisis de los elementos del sistema, y los
datos histricos se emplean para ajustes al modelo.
Como manifestacin del paradigma de sistemas, la metodologa est ligada a disciplinas
mayores como la teora general de sistemas y la ciberntica. La dinmica de sistemas
surge como alternativa para la gestin de los sistemas sociales tomando como soporte a
la teora general de sistemas para el enfoque integral en el estudio de las organizaciones,
a la ciberntica como marco terico acerca de los sistemas realimentados, y a las formas
tradicionales de gestin de los sistemas sociales que implican decisiones basadas en
factores como la intuicin, experiencia, intereses e informacin integradas en modelos
mentales. Adicionalmente la computadora ha proporcionado a la metodologa un carcter
tcnico complementario, puesto que le ha brindado la posibilidad de realizar procesos de
ajuste de los modelos dinmicos y de efectuar clculos diversos sobre el modelo (figura
1).

GNESIS DE LA DINMICA DE SISTEMAS

Gestin
tradicional
de sistemas Teora de
sociales
sistemas Ciberntica
Estructura de
modelos
dinmicos

Simulacin
por
computador

Organizacin de la
informacin

Modelo

Comportamiento
dinmico

Experiencia, intuicin,
informacin

Figura 1.1. Gnesis de la Dinmica de Sistemas


Fuente: ARACIL, Javier. Introduccin a la dinmica de sistemas, p 32.

1.5.2 Problemtica en la gestin de los sistemas sociales


Diversos actos en un sistema social como el establecimiento de normas, de formas
orgnicas y polticas, as como tambin la incorporacin y desenvolvimiento del personal,
entre otros; se dan generalmente sobre la base de impresiones que las personas tienen
sobre el sistema en el que se encuentran, sin efectuar anlisis dinmicos sobre la
conducta del sistema para observar las repercusiones de dichos actos (Forrester 1991: 56).2
La gestin se encuentra en una etapa de trnsito entre el arte, basado solo en la
experiencia, y la profesin, fundada en una estructura subyacente de principios y ciencia.
La gestin que prima en la mayora de los sistemas sociales est caracterizada por los
siguientes aspectos:

Gran parte de la educacin y de la prctica gerencial ha tratado slo con los


componentes: contabilidad, produccin, comercializacin, finanzas, entre otros.
Se han enseado y practicado como si fueran materias aisladas.

Slo en las situaciones de ms alto nivel directivo, los gerentes necesitan


integrar las funciones aisladas para tomar decisiones.

Comentario sobre las caractersticas de los sistemas segn Senge. Para mayor ampliacin ver anexo 1.

La gestin tiene tendencia general hacia las matemticas lo cual se revela en


su inters por obtener soluciones ptimas para la mayor parte de los grandes
problemas gerenciales, reduciendo los mismos.

La gestin ha progresado merced a la simplificacin del trabajo y al control


estadstico de la calidad. Adems se ha extendido hacia las actividades de la
investigacin operativa.

La gestin de los sistemas sociales discurre sobre mltiples factores significativos que se
encuentran en interrelacin; y segn se incrementen, la complejidad de los sistemas se
intensifica y la necesidad de una gestin experta es mayor. El contexto donde el cambio
constituye la esencia del medio, complementa el desafo gerencial en los siguientes
aspectos:

Ampliar el horizonte de la labor gerencial con mayor dedicacin a las


estrategias centrales del sistema y menos a las decisiones de rutina.

Desarrollar mtodos efectivos para el anlisis de las principales interacciones


entre los componentes substanciales de una organizacin y su medio externo.

Preparar a la organizacin para afrontar el entorno dinmico y orientado al


cliente. Proporcionar a los miembros de la organizacin los medios necesarios
para tomar decisiones y actuar de manera creativa segn las circunstancias, y
promover una estructura flexible, que conlleve en conjunto al sistema a ser
proactivo y adaptable (Peters 1994: 205-212).

1.5.3 Diseo de modelos de sistemas sociales


El empleo de modelos no es novedoso, los empleamos en forma constante e instintiva
en nuestras vidas. Las imgenes mentales sobre el mundo y todo aquello que lo
conforma son modelos y se emplean para tomar decisiones. En los sistemas sociales, los
resultados de las decisiones dependen, excluyendo a factores aleatorios, de la calidad de
los modelos empleados sobre los sistemas.
La interrogante no es usar o ignorar los modelos, sino cmo se emplean y qu
alternativas se tienen. Los modelos mentales son confusos, incompletos, e imprecisos;
adems cambian con el tiempo, incluso durante el flujo de una simple conversacin. Las
asunciones fundamentales y las metas difieren pero no son planteadas abiertamente. Un
modelo mental puede ser correcto en la estructura y asunciones pero, aun as, la mente
humana en forma individual o en conjunto es propensa a trazar implicaciones erradas
para el futuro. En contraste, los modelos formales son explcitos sobre las asunciones y
cmo se interrelacionan. La construccin de un modelo formal fuerza la clarificacin de

10

ideas y las asunciones inciertas y ocultas son expuestas para que puedan ser
examinadas y debatidas (figura 2).

Modelos
mentales
 Es fruto de la experiencia,
intuicin,
intereses
y
observacin por parte de las
personas.
 Normalmente no tienen un
carcter claro, incluso para
sus propietarios.
 Suelen ser incompletos.
 No son eficaces para tomar
decisiones en situaciones
complejas.
 Se
construyen
sobre
relaciones de causa efecto
unidireccional y de corto
plazo.

Modelos formales

 Expresan de una forma


desarrollada los modelos
mentales de los involucrados
en el sistema.
 Muestran las interrelaciones
entre los componentes del
sistema y las consecuencias
dinmicas.
 Emplean formas de expresin
estandarizadas.
 Son
tiles
para
tomar
decisiones en situaciones
complejas.

Figura 1.2. Modelos mentales y modelos formales

Los beneficios de los modelos formales, sustentan su empleo para una mejor gestin.
El propsito del diseo es mejorar la comprensin de un sistema y hacer explcita las
complejas relaciones existentes. Herbert Simon precis en su obra The Sciences of
the Artificial publicada en 1969 que el diseo involucra un proceso de comprensin:
Disear es una actividad con propsito orientada a cambiar una situacin existente en
una deseada. Cuando el ente a disear es una organizacin humana, tanto la
situacin existente, como la situacin deseada, como el diseo resultante no pueden
ser definidos con exactitud. Esto impide tratar el diseo como un caso de
optimizacin. Disear una organizacin implica entonces desarrollar un proceso en el
cual vamos entendiendo progresivamente cual es nuestra situacin actual, cuales son
nuestras expectativas sobre una situacin ideal y de que manera podemos intervenir
o actuar sobre la organizacin, a travs del diseo, para movernos de lo actual hacia
lo ideal. La labor de comprensin y accin organizacional acompaa al sistema a
travs de toda su vida. Esas dos cualidades distintivas del diseo organizacional,
como proceso de comprensin-accin y como actividad permanente, hacen adecuado
entenderlo como un proceso de aprendizaje organizacional.

11

Como modelo formal, un modelo dinmico puede reflejar la conducta de un sistema


real. Este tipo de modelo contiene asunciones hechas sobre un sistema e intenta
hacer explcita la estructura y polticas que guan las decisiones. A diferencia de otros
modelos formales, un modelo dinmico acepta la naturaleza mltiple de
realimentacin de los sistemas sociales, y debido a que el modelo no es una
derivacin estadstica de datos en el tiempo, explica las razones de la informacin y
permite tomar decisiones sobre s.

12

CAPITULO II
ELEMENTOS DE LA DINMICA DE SISTEMAS
2.1 CONCEPTUALIZACIN DE DINMICA DE SISTEMAS
El estudio organizacional mediante la Dinmica de Sistemas es un proceso que conduce
al modelado de aquellos aspectos de los sistemas que inciden sobre su dinmica
conductual. Este proceso puede ir desde la creacin de modelos cualitativos formales
hasta la posible elaboracin de modelos matemticos de simulacin (Sotaquir 1998). En
suma, las caractersticas que definen a los modelos dinmicos son:

Rene la opinin de expertos e involucrados en el sistema, expresndolas de


una manera formal: mediante diagramas y modelos matemticos.

Se construyen sobre la base de interacciones hipotticas entre las variables del


sistema, donde una hiptesis incorrecta puede invalidar el modelo.

Las hiptesis e interrelaciones reflejadas son susceptibles de discusin y


revisin. La comprensin de los modelos dinmicos es sencilla para todos los
interesados.

Emplea relaciones cerradas, denominadas bucles de realimentacin, para


explicar los efectos recprocos en el tiempo entre los elementos del sistema.

As como cambian los sistemas en el tiempo, los modelos dinmicos sufren


cambios en el tiempo, an sigan siendo construidos por las mismas personas.

2.1.1 Objeto de la metodologa


La dinmica de sistemas es la disciplina que se encarga del estudio del comportamiento
de los sistemas sociales con el fin de mostrar cmo las polticas, las decisiones, la
estructura y las demoras determinan el desarrollo y la estabilidad de los sistemas.
Mediante la construccin de modelos dinmicos basados en la opinin de expertos,
intenta describir, de una forma peculiar, las fuerzas que surgen en el interior del sistema
produciendo cambios a travs del tiempo, y cmo se interrelacionan stas fuerzas en un
modelo unitario. Por ltimo, a travs de los modelos y del computador, permite proponer
cambios que pueden emplearse como gua para una gerencia superior.

13

2.1.2 Esbozo de la metodologa


La construccin de modelos debe ser un proceso continuo de creacin de una estructura
del modelo, probando la conducta del modelo, comparando esa conducta con el
conocimiento sobre el mundo real a ser representado, y reconsiderando la estructura
(Forrester, 1991: 26). El proceso se inicia al observar una situacin problema que
necesita ser entendida mejor, o una conducta indeseable que est para ser corregida, y
contina con una serie secuencial de pasos:

Se observan los modos de comportamiento del sistema real para tratar de


identificar los elementos fundamentales del mismo: sntomas. Se indaga la
informacin que las personas poseen en sus mentes.

De acuerdo a diversas tcnicas se buscan estructuras de realimentacin que


puedan producir el comportamiento observado. Mediante el diagrama causal y
el diagrama de Forrester se configura la estructura del sistema.

A partir de la estructura identificada, se construye el modelo matemtico de


comportamiento del sistema en forma idnea para ser tratado sobre un
computador.

El modelo se emplea para simular, como en un laboratorio, el comportamiento


dinmico implcito en la estructura identificada.

La estructura se modifica hasta que sus componentes y el comportamiento


resultante se ajusten al comportamiento observado en el sistema real.

Por ltimo, se toman decisiones sobre el modelo hasta encontrar decisiones


aceptables y utilizables que den lugar a un comportamiento real mejorado.

2.2 ELEMENTOS DE UN MODELO


2.2.1 Diagrama causal o diagrama de influencias
El Diagrama Causal es un grafo que recoge los elementos clave del Sistema y las
relaciones entre ellos. Permite representar la estructura de un sistema mediante
relaciones de causa-efecto relevantes entre sus elementos, la cual juega un papel
esencial en la determinacin de las propiedades sistmicas
2.2.1.1 Variable y vnculo causal
Los dos componentes elementales de un "diagrama causal" son variable y vnculo causal.
Una variable es una entidad que se distingue del resto del mundo, al menos, desde el
punto de vista del ser pensante que lo observa. Un vnculo causal es una -hipotticarelacin entre dos variables, que establece que un evento que ocurre en la variable
causante tendr un efecto distintivo en la variable afectada.

14

Figura 2.1. Representacin de la causalidad


La relacin cualitativa entre dos variables asume la existencia de influencia de una
variable sobre otra en forma, lo cual tiene sustento en experiencias, planteamientos
previos o demostraciones, constituyendo una hiptesis a ser validada en la explicacin
del comportamiento del sistema mediante su estructura
2.2.1.2 La polaridad de los vnculos causales
Las flechas representan la causalidad de una variable sobre otra y van acompaadas de
un signo (+ o -) que indica el tipo de influencia ejercida. Un signo "+" quiere decir que un
cambio en la variable origen de la flecha producir un cambio del mismo sentido en la
variable destino. El signo "-" simboliza que el efecto producido ser en sentido contrario.
As cuando un incremento de A, produce un incremento de B, o bien una disminucin de
A provoca una disminucin de B, tendremos una relacin positiva. Y cuando un
incremento de A, produce una disminucin de B, o bien una disminucin de A provoca un
aumento de B, tendremos una relacin negativa. La variable afectada cambiara su
evolucin en funcin del cambio ocurrido en la variable causante, en uno de dos sentidos.
Primero hacia arriba: el efecto del evento hace que la futura evolucin de los valores ser
a un nivel ms alto de lo que habra sido el caso sin el evento. Se puede manifestar de
varias maneras, pero para todas ellas se dice que el signo del efecto es positivo.
Segundo, hacia abajo: el efecto del evento hace que la futura evolucin de los valores
ser a un nivel ms bajo de lo que habra sido el caso sin el evento. Se puede manifestar
de varias maneras, pero para todas ellas se dice que el signo del efecto es negativo.
Evento en primera
variable

en aumento
en aumento
en descenso
en descenso
plana
plana
en aumento
en descenso

Efecto en segunda
variable

aumenta ms
aumenta ms
desciende menos
desciende menos
aumenta
aumenta
aumenta ms
desciende menos

en aumento
en descenso
en aumento
en descenso
en aumento
en descenso
plana
plana

aumenta ms
desciende menos
aumenta ms
desciende menos
aumenta ms
desciende menos
aumenta
aumenta

Tabla 1: Variaciones para una misma polaridad positiva

15

Entonces la manera correcta de describir la polaridad positiva en este caso es: si el


evento en la primera variable que es en aumento hace que sta tome valores ms
elevados, entonces la variable efecto tomar valores ms elevados de lo que habran
sido sin la conexin causal.
Evento en primera
variable
en aumento
en aumento
en descenso
en descenso
plana
plana
en aumento
en descenso

aumenta ms
aumenta ms
desciende menos
desciende menos
aumenta
aumenta
aumenta ms
desciende menos

Efecto en segunda
variable
en aumento
en descenso
en aumento
en descenso
en aumento
en descenso
plana
plana

aumenta menos
desciende ms
aumenta menos
desciende ms
aumenta menos
desciende ms
desciende
aumenta

Tabla 2: Variaciones para una misma polaridad negativa


La manera correcta de describir la polaridad positiva en este caso es: si la variable
evento toma valores ms bajos de lo que habran sido sin el evento, entonces la
variable efecto tomar valores ms altos de lo que habran sido sin la conexin causal.
Siempre se puede decir que lo que hace el evento en la primera variable es: cambiar,
desde un determinado momento en adelante, los valores de esta variable respecto de lo
que habran sido sin el evento. Para la segunda variable, afectada por el cambio en la
primera, se puede decir que en todos los momentos posteriores al efecto causal, sus
valores sern cambiados respecto de lo que habran sido sin esta causacin
Los primeros estadios de la conceptualizacin de un modelo requieren definir el propsito
del mismo. En funcin de ello hay decidir qu elementos han de ser tomados en
consideracin y cules de entre ellos estn relacionados de forma que lo que ocurre en
uno afecta de manera inmediata al otro. Por cuanto nuestro inters se centra en la
variacin en el tiempo del valor cuantitativo atribuido a cada elemento (variable), las
influencias buscadas son las que su manifestacin consista en que una variable aumente
o disminuya en funcin de que otra, de la cual depende, experimente algn tipo de
variacin. Una forma natural de representar elementos y relaciones es mediante un grafo
orientado. A veces, cuando el sentido de la influencia es conocido, se suele incluir un
signo ms o un signo menos que hace alusin a una influencia del mismo sentido o de
sentido opuesto segn el caso. Por ejemplo, si la densidad de vehculos aumenta o
disminuye cabe esperar que el nmero de accidentes tambin aumente o disminuya
respectivamente. Existe, por tanto, una influencia en el mismo sentido. Por el contrario,
las ventas de vehculos seguramente dependern del precio de los mismos pero la
influencia ser esta vez de sentido opuesto.

16

Densidad
de vehculos

Accidentes
-

Precio de
vehculos

Venta de
vehculos

Figura 2.2. Relaciones positiva y negativa


Establecer un grafo en el que aparezcan representados todos los elementos que
componen el modelo junto con sus relaciones supone un paso importante en la definicin
de la estructura del mismo. Un grafo de esas caractersticas se conoce como diagrama
causal o de influencias. No obstante, metodolgicamente no es recomendable la
construccin de un diagrama causal exhaustivo como primera fase en la construccin de
un modelo aun cuando diagramas parciales o globales a alto nivel jerrquico puedan ser
buenos como mecanismo de ayuda a la conceptualizacin. Sin embargo, de cara a
facilitar la comprensin de las hiptesis introducidas en el modelo, es de gran ayuda
disponer de un diagrama causal exhaustivo para la presentacin del mismo a un pblico
interesado. Dicho diagrama causal siempre puede deducirse sin dificultad una vez
finalizada la construccin del modelo.
2.2.1.3 Las demoras
La idea de causalidad significa que un evento ocurrido en una variable tendr un efecto
en la otra; sin embargo, esto no dice nada sobre el tiempo que ser necesario para que el
evento de la variable causante llegue a tener efecto en la variable afectada. En el mundo
material, esto siempre toma un tiempo no nulo:

Figura 2.3. Estructura temporal de una demora


La percepcin del ser humano no es inmediata; hasta los reflejos automticos se
demoran. Por ejemplo, para que un automovilista empiece a frenar al ver un peatn saltar
a la vereda, pasa hasta una dcima parte de segundo, y si andaba a 100 Km./h, es decir

17

100.000 metros 3600 segundos, entonces su auto habr avanzado de 100.000/36.000 =


aproximadamente 3 metros en este tiempo.
si sentimos hambre, comemos, sin embargo, entre el primer bocazo que introducimos en
la boca y el inicio del cambio de la tasa de azcar sanguino, pasan aproximadamente 15
minutos. Por esta razn, puede ser que hasta que notemos el efecto de este primer
bocado, hayamos comido mucho ms de lo que habra sido necesario, en las empresas y
las organizaciones, los eventos ocurren continuamente, pero el ritmo de los reportes a la
gerencia es por semana, por mes y hasta periodos ms largos. Los gobiernos se eligen
cada 5 aos.
Es importante sealar claramente los vnculos causales que son ms lentos que los
dems en un diagrama causal. Utilizamos un smbolo distintivo para representar las
demoras:

Figura 2.4. Denotacin de demora en el diagrama

2.2.1.4 Bucles de realimentacin


El tipo de problemas en los que habitualmente trabaja la Dinmica de Sistemas se
caracteriza porque en stos siempre aparecen relaciones causales estructuradas en
bucles de realimentacin o lazos cerrados. Ello no es sorprendente por cuanto detrs de
un bucle de realimentacin de relaciones causales subyace el principio filosfico de que
nada se hace impunemente. Una accin ejecutada por o sobre un elemento del bucle se
propaga por el mismo de manera que tarde o temprano esa accin repercute sobre sus
propios valores futuros. Esto es habitual en las organizaciones en las que el hombre es
una parte ms de las mismas, las cuales constituyen en buena medida nuestro principal
objeto de estudio.
Conviene distinguir dos tipos de bucles de realimentacin, positivos y negativos.

Bucle de realimentacin positiva, es aquel en el cual todas las influencias son


positivas (o el nmero de relaciones negativas existentes es par). En general la
Figura 2.3 representa un proceso en el que un estado determina una accin, que
a su vez refuerza este estado, y as indefinidamente. En este caso el estado es
una poblacin, y la accin su crecimiento neto. En tal caso, cuanto mayor sea la
poblacin, mayor es su crecimiento, por lo que a su vez mayor es la poblacin, y
as sucesivamente. Se tiene, por tanto, un crecimiento explosivo de la poblacin.

18

En la Figura 2.4 se representa de forma esquemtica, mediante las letras A, B y


C, un bucle de esta naturaleza. Con ayuda de este diagrama se puede analizar,
de forma general, el comportamiento que genera este bucle. Si cualquiera de sus
elementos sufre una perturbacin, sta se propaga, reforzndose, a lo largo del
bucle. En efecto, si A crece, entonces, en virtud del signo de la influencia, lo har
B, lo que a su vez determinar el crecimiento de C y, de nuevo, el de A. Por lo
tanto, la propia estructura del sistema determina que el crecimiento inicial de A
vuelva reforzado a A, inicindose de este modo un proceso sin fin que
determinar el crecimiento de A. Este efecto se conoce vulgarmente como
crculo vicioso o bola de nieve. El cambio se amplifica produciendo ms
cambio.
Se trata, por tanto, de una realimentacin que amplifica las perturbaciones y que,
por tanto, inestabiliza al sistema. En este sentido se puede decir que su efecto es
contrario al de la realimentacin negativa. Si aquella estabilizaba, esta
desestabiliza.

Poblacin
+

Nacimientos
Figura 2.3. Crecimiento poblacional en un proceso de realimentacin negativa

Figura 2.4. Estructura y comportamiento de realimentacin positiva

Bucle de realimentacin negativa representa un tipo de situacin muy frecuente


en el que se trata de decidir acciones para modificar el comportamiento con el fin
de alcanzar un determinado objetivo. Un diagrama de esta naturaleza se puede
aplicar tanto al sencillo acto de coger un lpiz, detectando mediante la vista la
discrepancia entre las posiciones de la mano y del lpiz; al proceso de regulacin
de la temperatura en una habitacin, en el que la discrepancia entre la
temperatura deseada y la considerada confortable determina la actuacin de un
calefactor (si estamos en invierno) para corregir esa discrepancia (ver Figura 2.5);

19

y tantos otros procesos de naturaleza semejante. El diagrama de un bucle de


realimentacin negativa aporta el esquema bsico de todo comportamiento
orientado a un objetivo. Su ubicuidad fue puesta de manifiesto por Norbert Wiener
cuando, en el decenio de los aos 40, sent las bases de la ciberntica.

Figura 2.5. Estructura de realimentacin negativa del proceso de regulacin de


temperatura
Consideremos el bucle de la Figura 2.6, en el que los elementos se han
representado, de forma general, mediante las letras A, B y C. Supongamos que
uno cualquiera de ellos, por ejemplo el B, se incrementa. En virtud de las
relaciones de influencia, el incremento de B determinar el de C, ya que la
relacin de influencia correspondiente es positiva. A su vez, el incremento de C
determinar el decrecimiento de A, ya que as lo determina el carcter
negativo de la influencia. El decrecimiento de A dar lugar al de B, pues la
relacin es positiva. Por tanto, el incremento inicial de B le vuelve, a lo largo de
la cadena de realimentacin, como un decremento; es decir, la propia estructura
de realimentacin tiende a anular la perturbacin inicial, que era un incremento,
generando un decremento. De este modo se comprende que los bucles de
realimentacin negativa son bucles estabilizadores, que tienden a anular las
perturbaciones exteriores. Por ello, los ingenieros que disean sistemas de
regulacin automtica los incorporan en sus proyectos como elementos bsicos
para conseguir la accin reguladora (lo que logran mediante la adicin de bucles
de realimentacin negativa a los procesos que disean). El efecto de un bucle de
realimentacin negativa es, por tanto, el tratar de conseguir que las cosas
continen como estn, que no varen. Son bucles que estabilizan los sistemas.
Un bucle de realimentacin negativa tiene la notable propiedad de que si, por una
accin exterior, se perturba alguno de sus elementos, el sistema, en virtud de su
estructura, reacciona tendiendo a anular esa perturbacin.

20

Figura 2.6. Estructura y comportamiento de realimentacin negativa


Desde el punto de vista de la causalidad un modelo est siempre estructurado como un
conjunto de lazos positivos y negativos interconectados entre s. El comportamiento
dinmico del mismo depender de cmo se vaya produciendo la alternancia en el
dominio entre la tendencia a crecer o decrecer de los unos y la tendencia al equilibrio de
los otros.
2.2.1.5 Reglas para un buen modelado
Segn John Sterman (2000) para elaborar buenos diagramas de influencias debe
considerar las siguientes reglas
.

Regla 1: modelar en base a relaciones causales, no correlaciones


Se acostumbra creer que una correlacin clara entre los valores de dos variables
es muestra de una relacin causal. Esto no es necesariamente as, como lo
muestra el siguiente ejemplo:
Correcto

+
Ventas de
helado

Asesinatos

Incorrecto

Ventas de
helado
+

Asesinatos
+
Temperatura
del ambiente

Figura 2.7. Modelo en base de relaciones causales


En DS, buscamos captar los mecanismos por los cuales se desplazan los efectos
de una seal desde su origen hasta algn otro punto. A esto, nos referimos con
"causa". Si bien un modelo causal deber ser capaz de reproducir valores de
variables con una correlacin similar a la observada en el mundo "real", nos
prohibimos cortar caminos.
Esto es importante porque lo que podemos medir de un sistema "real" no es ms
que su comportamiento en este momento, bajo el rgimen de los parmetros
actuales. Varios modelos causales podran replicar esta conducta actual. Pero,
como lo hemos visto con el modelo explorado en este captulo, un mimo modelo

21

causal puede mostrar conductas bien diferentes. Un modelo inferido desde una
exploracin correlacional puede ser fiel a la "realidad" bajo el rgimen de
parmetros del minuto, pero muy infiel bajo otros valores de parmetros. Nosotros
buscamos modelos robustos, a los cuales se puede hacer confianza en muchos
regimenes de parmetros.

Regla 2: poner etiquetas de polaridad


Los bucles de retroalimentacin son, en cierto sentido, el bloque de construccin
ms importante en DS. Cada bucle tiene una polaridad; es mala praxis no
sealarla en un diagrama:

Incorrecto
Ventas por
boca-a-boca

Base de
clientes

Perdida
de clientes

Correcto

Ventas por
boca-a-boca

Base de
clientes

Perdida
de clientes

+
Figura 2.8. Indicar la polaridad del vnculo

Regla 3: poner nombres y nmeros a los bucles de retroalimentacin


Un modelo es una composicin o superposicin de varios y a veces muchos
bucles de retroalimentacin. Esto puede ser muy difcil de lectura, pero podemos
ayudar cuando sealamos para cada bucle un nombre y un nmero. El nmero
facilita repertoriar y referenciar. El nombre facilita recordar lo esencial de cada
bucle. Por lo tanto es importante que no se de cualquier cosa como nombre, sino
una frase corta o palabra clave que evoque en significado del bucle para las
personas en el "sistema" modelado.

Regla 4: sealar las demoras


Las demoras son esenciales para la generacin de la conducta; deben ser
explcitamente mencionadas, para no invitar el lector del diagrama a construir
falsas inferencias mentalmente. En los modelos, las diferentes lneas de
causacin no tiene la misma velocidad. Esto explica cmo es posible que luego de
un abrupto cambio de precio, inicialmente los gastos de combustible suben (la
causa de arriba no tiene demora), pero posteriormente empieza a bajar de nuevo:

22

las lneas causales que representan esfuerzos de compensacin son ms lentas,


son demoradas en relacin con la primera lnea causal.

Regla 5: poner nombres de substantivos con sentido positivo a las variables


Nombrar variables con substantivos. Una variable es algo que tendr un
determinado valor en un momento particular. Ello significa que expresiones como
"costos suben" son problemticas, ya que hablan de una conducta. Considerar la
conducta como el cambio de los valores de una variable en el tiempo.

Incorrecto

Correcto

+
Costos
aumentan

Precios
aumentan

+
Costos

Precios

Figura 2.9. Usar nombres en sentido positivo


Tambin es importante que las variables hagan explcito su sentido o su direccin.
Decir "retroalimentacin" no aclara si es "buena" o "mala"; por lo tanto su efecto
sobre la motivacin es difcil de expresar. Es preferible hablar de "felicitacin":

Incorrecto

Correcto

+
Retroalimentacin
del jefe

Actitud
mental

+
Felicitaciones
del jefe

Moral

Figura 2.10. Nombres que sealan el sentido


Finalmente, en cada organizacin y cada mbito profesional se usan ciertas
expresiones y no otras. Es importante elegir nombres cuyo sentido normal (usual)
es positivo, como en general es intuitivamente: la mayora de empresas dirige su
atencin a las ganancias, no a las prdidas. Es as que podemos escuchar frases
como "los costos aumentan las perdidas" menos frecuentemente que "los costos
reducen las ganancias". Adems, un problema de comprensin podra resultar de
la tensin entre la polaridad "+" y "perdida", ya que "perdida" tiene una
connotacin negativa.)

23

Incorrecto

Correcto

+
Costos

Perdidas

Costos

+
Critica

Infelicidad

Utilidades

Critica

Felicidad

Figura 2.11. Usar nombres y conceptos usuales

Regla 6: arreglar el diagrama ("lay-out") tantas veces como necesario para


su legibilidad
Cada diagrama puede y debe ser corregido y re-hecho tantas veces como
necesario hasta que sea un instrumento conveniente para dar soporte a la
reflexin y el dilogo.

Regla 7: adaptamos el nivel de agregacin a conveniencia de los lectores


La dinmica de sistemas opera con agregados: en general, no miramos los
individuos, sin que agregados de ellos. Pero no siempre es obvio cuanto hay que
agregar: hablemos de mercado, de clientes, de segmento de clientes, de grupo
de compradores? Un diagrama ms agregado tiene menos elementos y ser ms
fcil de leer. Pero puede ser tan resumido que el lector ya no puede seguir la
argumentacin sugerida. Por lo tanto, un indicador de exagerada agregacin es la
confusin o duda que algn lector de un diagrama pueda manifestar

Regla 6: arreglar el diagrama ("lay-out") tantas veces como necesario para


su legibilidad
Cada diagrama puede y debe ser corregido y re-hecho tantas veces como
necesario hasta que sea un instrumento conveniente para dar soporte a la
reflexin y el dilogo.

Regla 7: adaptamos el nivel de agregacin a conveniencia de los lectores


La dinmica de sistemas opera con agregados: en general, no miramos los
individuos, sin que agregados de ellos. Pero no siempre es obvio cuanto hay que
agregar: hablemos de mercado, de clientes, de segmento de clientes, de grupo
de compradores? Un diagrama ms agregado tiene menos elementos y ser ms
fcil de leer. Pero puede ser tan resumido que el lector ya no puede seguir la
argumentacin sugerida. Por lo tanto, un indicador de exagerada agregacin es la
confusin o duda que algn lector de un diagrama pueda manifestar

24

Si un modelo es muy crptico para su audiencia:

Participacin
de mercado

Costos
unitarios

entonces haga explcito los conceptos intermedios:


+

Participacin
de mercado

Volumen de
produccin

Experiencia
acumulada
Costos
unitarios

Figura 2.12. Desagregacin ante poca evidencia de causalidad

Regla 8: buscar una cantidad de detalles de 7+-2


Los seres humanos no logran percibir mucho ms que 7 tems presentados en su
campo visual. Lo que excede los 9 tems es ms difcil de leer, de comprender y
de recordar. Por lo tanto, cuando tenemos muchas variables y/o muchos bucles
en un modelo, es preferible presentar una serie de sub-modelos con un nmero
reducido de elementos.

Regla 9: explicitamos las metas de los bucles negativos


Hemos visto ms arriba que un bucle de retroalimentacin negativa hace que el
sistema se aproxima asintticamente a un valor que acta entonces como una
meta, que sea esta meta explcita o no. Por ejemplo, comemos porque nuestro
organismo busca a mantener estable un determinado grado de azcar en la
sangre; podemos vivir felices sin saber esto, pero para el organismo hay una
meta. Si esto es as, entonces aportamos informacin pertinente al hacer explcito
cual es esta meta en nuestros diagramas.

25

Incorrecto
+

Correcto
+

Calidad del
producto

Programas de
mejoramiento
de la calidad

Programas de
mejoramiento
de la calidad

Temperatura
del caf

Dif erencia
+
+
Temperatura
ambiente

Temperatura
del caf
-

tasa de
resf riamiento

Calidad
deseada

Calidad del
producto

tasa de
resf riamiento

+
Dif erencia
+

Figura 2.13. Explicar variables de referencia de bucles negativos

Regla 10: distinguimos entre las condiciones reales y su percepcin


El mundo y los sistemas de la sociedad humana funcionan constantemente; sus
comportamientos son "suaves"; por ejemplo, una empresa de comercio
electrnico realiza transacciones de venta todo el tiempo, cada minuto o segundo.
Sin embargo, el sistema de aprovisionamiento no necesariamente percibe estas
ventas minuto por minutos, sino que hace un balance de movimientos al final de
cada da. Y el responsable de compras manda un informe a su gerencia al final de
cada da. Y en gerente general ve las cifras de fin de mes. Entonces entre la venta
X y su percepcin por alguna funcin en esta empresa, puede pasar ms o menos
tiempo. Entonces hacer como si las decisiones de estas funciones fueran basadas
en los valores actuales ("reales") es a lo menos una falsedad; si sabemos que se
basan en alguna percepcin de lo actual, entonces es mejor que lo expresamos
explcitamente en nuestro modelo.

2.2.2 Diagramas de Forrester


El diagrama de Forrester es una representacin simblica de las variables de nivel, flujo
y auxiliares de un diagrama causal una vez identificadas y constituye un paso
intermedio entre el diagrama causal y el sistema de ecuaciones diferenciales de
primer orden que le corresponde. Los smbolos que aparecen en el diagrama vienen
dados en la figura 2.14

26

Figura 2.14. Smbolos del Diagrama de Forrester


A continuacin se caracterizan los tipos de variables que aparecen en el diagrama de
Forrester.
2.2.2.1 Variables de Nivel
Son aquellas variables cuya evolucin es significativa para el estudio del sistema y son
equivalentes a las variables de estado de un sistema en descripcin interna. Fsicamente
se definen como magnitudes que acumulan los resultados de acciones tomadas en el
pasado, como ocurre en los niveles de los depsitos de la analoga hidrodinmica
que acumulan lquido resultado de la apertura de las vlvulas. De ah el nombre
de variable de nivel.
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
t

( t ) = ( t 0 ) + + ( F e Fs )dt

(2.1)

d
------ = F e F s
dt

(2.2)

t0

o bien en forma diferencial

ecuacin denominada de nivel y cuya representacin en diagrama de Forrester se


muestra en la figura 2.17.

27

N
Fs

Fe

Figura 2.15. Diagrama de Forrester de la Ecuacin de Nivel


Una variable de nivel no puede influir directamente en otra variable de nivel, sino es a
travs de un flujo.
2.2.2.2 Variables de flujo
Son aqullas variables que determinan las variaciones en las variables de nivel del
sistema y caracterizan las acciones que se toman en el sistema las cuales
quedan acumuladas en los niveles correspondientes.
Fsicamente expresan como se convierte la informacin disponible del sistema en una
accin y estn asociadas a las vlvulas de la analoga hidrodinmica.
A cada flujo F(t) se le asocia una ecuacin llamada ecuacin de flujo o funcin de
decisin que admite como variables de entrada niveles, auxiliares y constantes, en la
forma general

F( t ) = T M( t) ( t )

(2.3)

siendo TN el flujo normal (constante), M(t) el multiplicador del flujo normal (auxiliar)
y N(t) (nivel). El diagrama de Forrester de la ecuacin de flujo vienen dada en la figura
2.16.

N
F

M
TN
Figura 2.16. Diagrama de Forrester de la Ecuacin de Flujo.
En general el multiplicador de flujo normal es producto de k multiplicadores Mi cada uno
funcin de una variable Vi

M( t ) = M 1 ( V 1 ( t ) )M 2 ( V2 ( t ) )

Mn ( Vn ( t ) )

(2.4)

28

Cada Mi establece la contribucin de la variable Vi en la accin a tomar que define el


flujo F(t), con M i ( V in ) = 1 siendo Vin el valor normal de Vi, que en general ser
variable de nivel o variable auxiliar.
A todo nivel se le asocia al menos una variable de flujo. Por otro lado, las variables de
flujo tienen como entradas (informacin) exclusivamente variables de nivel, variables
auxiliares o variables exgenas y nunca se podrn conectar entre s.
Las unidades de medida de un flujo han de ser consistentes con las variables que
relaciona, en general unidad de flujo = unidad de nivel / tiempo
2.2.2.3 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. El propsito del uso de las
variables auxiliares est en facilitar la comprensin y definicin de las variables de flujo ya
que las variables auxiliares suelen representar en si mismas conceptos individuales.
En la analoga hidrodinmica ya se justific la utilizacin de las mismas para
definir la relacin F i = f i (  1,  2,  3 ) mediante:

A 1 = 1 ( 1, 2 )

(2.5)

A 2 = 2 ( A 1,  3 )

(2.6)

F 1 = 3 ( A 2 )

(2.7)

cuya representacin en diagrama de Forrester viene dada en la figura 2.17.


1

A
1

F1

2
A
2

3

Figura 2.17. Diagrama de Forrester de la Relacin Fi.


Si dos variables A y B estn relacionadas por

B = f( A )

(2.8)

siendo f no lineal, B variable auxiliar y A variable de nivel, se emplea el smbolo en el


diagrama de Forrester de la figura 2.18

29

.
Figura 2.18. Smbolo de Relacin No-lineal

2.2.2.4 Fuentes y sumideros:


Un nivel puede alimentarse, a travs de un flujo desde otro nivel o bin desde una fuente
exterior al sistema. Esta fuente se supone de capacidad infinita y se representa
mediante una nube, tal como se ilustra en la figura 2.19.

Figura 2.19. Smbolo de Fuente

Un nivel puede vaciarse, a travs de un flujo sobre otro nivel o sobre un sumidero exterior
al sistema. De la misma forma, el sumidero se supone de capacidad infinita y se
representa mediante una nube, como se muestra en la figura 2.20.

Figura 2.20. Smbolo de Sumidero


2.2.2.5 Canales de material e informacin:
Las variables de nivel, flujo y auxiliares estn ligadas entre s por medio de canales. Hay
dos clases: canales de material y canales de informacin
Los niveles acumulan flujos materiales que llegarn mediante canales de material y las
variables de flujo y auxiliares se alimentan a partir de canales de informacin.
En todo sistema dinmico, la variacin de sus estados depende de los valores en que se
encuentran dichos estados. Resulta pues natural que un modelo mantenga la siguiente
organizacin:

Las lneas de informacin tienen siempre como punto de partida inicial los niveles
o los parmetros (al fin y al cabo un parmetro no tiene otra misin que la de
informar de su valor) y como punto de destino final los flujos. Dicho de otra
manera, las variables de flujo son funcin de los niveles y de los parmetros.

30

Las variables auxiliares forman parte de los caminos de informacin. De hecho,


usualmente aparecern variables auxiliares entre la informacin que arranca en
los niveles y su destino final en los flujos. Estas variables van configurando la
funcin que finalmente definir a un flujo, de manera que documentan en forma
comprensible cada paso en el tratamiento de la informacin que determina la
definicin de la variable de flujo.

Por lo dicho, no tiene sentido un bucle cerrado construido nicamente con


variables auxiliares. En todo lazo cerrado debe de aparecer un nivel y, en
consecuencia, al menos un flujo.

Cuando un sistema no sea autnomo, es decir, cuando existan variables


exgenas influyendo en el comportamiento del mismo, una o ms lneas de
informacin podrn evidentemente, y excepcionalmente, tener su origen en una
variable auxiliar. Si as no fuera, la variable exgena no podra influir de ninguna
manera en el modelo.

2.2.2.6 Subsistemas conservativos


En un modelo hay que atribuir dimensiones a sus variables de manera que todas ellas se
midan en unas determinadas unidades de medida. Si los niveles se miden en unas
ciertas unidades, sus flujos asociados debern medirse en esas mismas unidades partido
tiempo.
Una organizacin tpica es aquella en la que un flujo est ligado a dos niveles de manera
que acta como una vlvula de paso entre los mismos. Lo que sale de uno de ellos entra
en el otro. Pues bien, una regla fundamental de construccin de diagramas de flujo exige
que no puedan mezclarse distintas unidades. De esta manera los niveles se asocian
entre s en cascada o en paralelo formando estructuras por las que solo circula el mismo
tipo de unidades bajo el control de flujos que se miden en esas mismas unidades por
unidad de tiempo. Esas estructuras son conservativas en el sentido de que si incluimos
en el balance los sumideros y las fuentes la cantidad total de la magnitud acumulada en
las mismas se conserva.
2.2.3 Ecuaciones
Todas las relaciones entre las variables deben ser explcitamente cuantificadas. La forma
ms frecuente de establecer la relacin entre dos variables es mediante una expresin
analtica que proporciona la funcin que relaciona ambas variables. Poco ms puede
decirse en abstracto a cerca de las ecuaciones por cuanto dependern muy
especficamente de cada situacin particular. Conviene, no obstante, hacer un mnimo
comentario referente a cada tipo de variable.
Las ecuaciones de variables auxiliares pueden adoptar cualquier forma analtica si bien,
por su propia naturaleza de variables aadidas para simplificar la descripcin, no tienen
porque ser expresiones complicadas. Muchas veces no conoceremos la relacin
algebraica precisa pero podremos tener un conocimiento expresable mediante una

31

grfica. Esta grfica se traducir en una tabla en el momento de su implementacin. Esta


forma de establecer dependencias es muy til cuando nuestro conocimiento de la
relacin entre dos variables auxiliares tiene un carcter experimental y, tambin, cuando
desconociendo la naturaleza exacta de la relacin deseamos introducir hiptesis
plausibles para la misma
Las ecuaciones ms problemticas de decidir siempre son las correspondientes a
algunos flujos. En particular a aquellos que definen las polticas del sistema. Tngase en
cuenta que los cambios en el estado del sistema corresponden a los flujos. Por ello, los
flujos son los puntos del modelo donde se plasman las decisiones importantes. Cul va a
ser la poltica de contratacin, cul la de incremento de la inversin, de que dependen los
contagios, son ejemplos de flujos tpicos. Una buena parte del esfuerzo de construccin
del modelo deber dedicarse a la determinacin de estos flujos.
Las ecuaciones correspondientes a los niveles son siempre iguales. Un nivel es siempre
y por definicin la integracin de todos los flujos que le afectan. Tal es as, que estas
ecuaciones pueden ser escritas automticamente por la mquina si se dispone del
compilador adecuado.
De esta manera, una vez establecidas todas las relaciones, si especificamos los valores
que inicialmente tienen los niveles y atribuimos valores a los parmetros dispondremos
de un conjunto de ecuaciones que el ordenador integrar numricamente para
proporcionarnos la evolucin temporal de las variables. Dicho conjunto de ecuaciones es
el modelo matemtico propiamente dicho. Existen compiladores de simulacin
especficos de Dinmica de Sistemas.

32

CAPITULO III
PROCESO DE CONSTRUCCION DE MODELOS DINMICOS
3.1 PROCESO DE MODELADO
El proceso de modelado consiste en el conjunto de operaciones mediante el cual, tras el
oportuno estudio y anlisis, se construye el modelo del aspecto de la realidad que nos
resulta problemtico. Este proceso, consiste, en esencia, en analizar toda la informacin
de la que se dispone con relacin al proceso, depurarla hasta reducirla a sus aspectos
esenciales, y reelaborarla de modo que pueda ser transcrita al lenguaje sistmico que
estamos viendo. En el proceso de modelado se pueden distinguir las fases siguientes:
3.1.1 Fase de conceptualizacin
En esta primera fase se trata de definir claramente el problema y de establecer si es
adecuado para ser descrito con los tiles sistmicos desarrollados. Para ello el problema
debe ser susceptible de ser analizado en elementos componentes, los cuales llevan
asociados magnitudes cuya variacin a lo largo del tiempo se desea estudiar.. Cada
modelo es una construccin humana en la que aparecen solamente algunos aspectos del
mundo los que son relevantes. No todas las cosas que podran ser descritas (y
modeladas) son relevantes. Por ejemplo:

Un modelo de un avin para evaluar sus caractersticas de aerodinmica, no


requieren una representacin de los elementos interiores del avin

Un modelo de la inflacin en un pas no requiere la representacin de cada actor


econmico

Un modelo de gestin de bodega de una librera no requiere representacin de


cada texto individual.

En este sentido, no modelamos para descubrir la verdad. Mejor as, ya que ningn
modelo es universalmente verdadero: todos tienen un mbito de validez definido.
3.1.1.1 Propsito del modelo
Un modelo de dinmica de sistema se construye para entender un sistema de fuerzas
que han creado el problema y contina sostenindolo. Para tener un modelo relevante,
debe haber algn problema subyacente en un sistema que crea una necesidad por el
conocimiento adicional y entendimiento del sistema. La meta de la fase de la
conceptualizacin es llegar a un modelo conceptual inicial capaz de dirigirse al problema

33

pertinente en un sistema. Despus de escoger qu rea del problema enfocar, el


modelador debe recoger los datos pertinentes. Los datos pertinentes de un sistema
dinmico no slo consisten en datos estadsticos, sino tambin del conocimiento de las
personas familiarizadas con el sistema que se analiza. Los modeladores tambin deben
considerar los niveles de pblico; por ejemplo, las causas de la lluvia cida para una
clase de biologa seran muy diferentes para una institucin de reguladora del medio
ambiente. Si la estructura del modelo y conducta no pueden ser entendidas por su
pblico, o si no contestan las preguntas vinculadas a ellos, entonces el modelo no ser
til.
El primer paso al crear un modelo de los datos disponibles es definir el propsito mientras
se tiene presente tiene presente al pblico de inters. El propsito debe mencionar algn
tipo de accin o conducta en el tiempo que el modelo analizar.
El mbito del modelo es definido por el propsito del modelo: comprender la
aerodinmica del avin, explicar la inflacin de un pas, optimizar una bodega de libros. Si
un modelo debe permitir elaborar respuestas, entonces el primer paso imprescindible es
definir muy claramente cul es la pregunta: Cul es el problema que resolver? Cul es
la pregunta a responder? En general, quienes poseen el problema lo pueden describir
en trminos de algunas variables. Pueden decir los valores actuales en relacin con los
deseados. Pero los datos actuales no son comportamiento; en este sentido, se busca la
situacin problemtica, sino la evolucin problemtica: nuestros aviones tienen cada vez
peor aerodinmica, la inflacin ha ido en aumento, nuestros costos de bodega suben.
El acuerdo sobre el propsito del modelo es esencial. Si no es claro y estrictamente
definido es muy difcil decidir qu componentes del sistema son importantes. La
ambigedad conllevara a incluir demasiados componentes y sera demasiado complejo
para cualquier anlisis prctico, por ejemplo tener como objetivo un modelo para
entender el comportamiento de la universidad El propsito de un modelo normalmente
entra en una de las categoras siguientes:

para clarificar el conocimiento y entendimiento de un sistema en particular

para descubrir polticas que mejorarn la conducta del sistema

para capturar a los modelos mentales y servir como una comunicacin y


unificndose el medio.
Para el establecimiento del propsito se recomienda:

Hacer una pregunta pertinente (que el modelo ayude a responder). El modelo


ser vlido slo para el propsito de responder a esta pregunta. Si no es
importante la pregunta, tampoco lo podr ser la respuesta. Forrester (1961,
captulo 5)

Propsito, conveniencia y frontera. Sterman (2000, captulo 21)


Cul es el propsito del modelo?
Cul es la frontera?
Estn los tems importantes siendo tratados de manera endgena?
Qu variable importante ha sido asumida como exgena o excluida?
Se ha excluido a variables por falta de datos duros?

34

Cul es el horizonte de tiempo relevante?


El modelo tiene entidades que pueden cambiar con importancia en el periodo?
Es el nivel de agregacin coherente con el propsito?
3.1.1.2 Limites del sistema
Cada sistema realimentado tiene un lmite en el que la conducta de inters se genera. Al
crear a modelo de dinmica de sistemas de un sistema de realimentacin, se debe definir
el lmite claramente. El lmite contiene a todos los componentes del modelo.
Primero, se debe realizar una lista de los componentes del modelo, incluyendo los menos
probables. Al elaborar la lista inicial se debe tener en cuenta las siguientes pautas:

Los componentes deben ser necesarios. Deben estar los componentes ms


importantes que estn vinculados con la conducta de inters.

Los componentes deben agregarse. Deben agregarse componentes que permiten


comprender el comportamiento de inters y no cambia el propsito. Sin embargo,
se debe evita componentes que distorsionan el objetivo y la realidad, por ejemplo
los flujos nacimientos y muertes normalmente no debe agregarse a
nacimientos netos.

Los componentes deben ser direccionales. Los componentes todo importantes


deben tener un nombre direccional que puede crecer ms grande o ms pequeo,
por ejemplo el enojo o felicidad en lugar de la actitud mental.

Segundo, se deba clasificar la lista inicial en dos grupos:

Variables endgenas que se comportan como causa y efecto.

Variables exgenas que mantienen un solo tipo de relacin en el sistema.

Finalmente, despus de dividir la lista inicial en dos categoras, es til repasar los
componentes endgenos y exgenos y especificar qu componentes son niveles y qu
son flujos. Los componentes exgenos normalmente sern constantes y no niveles o
flujos. La informacin adicional ganada ser de gran uso en el ltimo paso de
conceptualizacin decidiendo en los mecanismos bsicos. Para hacer la identificacin
ms fcil, es necesario recordar que los niveles son las acumulaciones. Ellos
normalmente son algo que puede visualizarse y medirse, tal como un inventario o
abstracto como la reputacin. Los flujos son cambios en los stocks, son razones que son
medidos en unidades de los niveles sobre el tiempo.
3.1.1.3 Comportamientos de referencia
Constituido por las series de tiempo o lneas en el tiempo de las variables. Es la
expresin del problema y tambin una marca de comparacin para la validacin del
modelo (mediante el cual se desea, entre otras cosas, poder explicar la gnesis del
problema). Por ejemplo, si se logra comprender las causas estructurales que son el
trasfondo del aumento de costos en una bodega, entonces se tiene la oportunidad de
cambiarlas.

35

Constituye la conducta de variables importantes del sistema. El comportamiento de


referencia tiene al tiempo en el eje horizontal y unidades de las variables en el eje vertical
(Figura 3.1). El comportamiento de referencia captura modelos mentales y datos
histricos, que permite obtener pistas sobre la estructura apropiada de modelo. Se
construye los comportamientos de referencia para verificar la existencia de algn
fenmeno o conducta negativa. Los modeladores experimentados saben a menudo a qu
estructuras les corresponden ciertos comportamientos de referencia. Se debe tener
presente que los comportamientos de referencia no son infalibles, ellos pueden cambiar a
lo largo del proceso modelado.

Figura 3.1. Ejemplo de comportamiento de referencia de una variable


3.1.1.4 Mecanismos bsicos
Una vez asumida, en la fase anterior, la adecuacin del lenguaje sistmico elemental
para estudiar el problema. Una vez que el propsito del modelo queda definido y el
comportamiento de referencia con l, se trata de proponer una primera aproximacin a la
estructura detrs estos comportamientos.
Se debe declarar variables y conexiones causales entre ellas, de manera a poder dar
cuenta de cmo se generan los comportamientos problemticos. Para ello, se debe
considerar las tres fuentes de informacin: la experiencia de las personas involucradas
(su base de informacin mental), fuentes escritas diversas y datos numricos publicados.
+
intereses

SALDO

Figura 3.2. Ejemplo de mecanismo bsico


Es importante que los destinatarios del modelo (los clientes, los usuarios) tengan la
oportunidad de intervenir en este proceso, proponiendo, revisando, criticando: ellos son
parte de un sistema que genera su problema, ellos deben comprender el modelo, ellos
debern aceptar sus consecuencias.
Esta primera aproximacin puede tomar la forma de un Diagrama causal o de un
Diagrama de niveles y flujos. El trabajo con diagramas causales requiere menos

36

conocimientos tcnicos, pero ha sido criticado por ser menos riguroso. La diferencia es
que los diagramas causales como articulacin de las creencias que se tienen, pueden
usarse de modo top-down, lo que fcilmente conduce a la incorporacin de
suposiciones (o pre-juicios) que no han sido cuestionados. Ello es problemtico ya que
la Dinmica de Sistemas postula un pensamiento operacional, que parte desde la
deteccin de los elementos hacia las estructuras menos directas, de modo bottom-up.
Algunos favorecen presentando los mecanismos bsicos en diagramas causa efecto.
Otros prefieren empezar exponiendo la estructura de nivel y flujo. Es importante resaltar
que exponiendo en ninguno de las dos formas est presente la formulacin, puesto que
se mantiene la forma de diagrama y no las ecuaciones.
Los modeladores que escogen hacer el diagrama mecanismos bsicos mediante
Diagrama de niveles y flujos tienen las relaciones causa-efecto en la mente. Los
Diagramas de niveles y flujos tienen una tendencia a ser detallada ms que una
representacin del Diagrama causal, obligando al modelador a pensar ms
especficamente sobre la estructura del sistema. Muchos errores simples pueden ser
evitados por la diagramacin de los mecanismos bsicos con los niveles y flujos en lugar
de bucles causales puesto que las relaciones entre los componentes de un diagrama
Nivel-flujo se define ms estrictamente que aqullos que corresponden a un Diagrama
causa-efecto. Mientras sean ms complejos y consuman ms tiempo para crear, los
diagramas de Nivel y flujo son ms informativos que los diagramas de Causa-efecto.
Un buen compromiso, basado en la prctica, es el uso de los diagramas de influencia
(Wolstenholme, 1990), que son bsicamente diagramas de bucle causal indicando para
cada variable si es de nivel o flujo.
3.1.2 Fase de Formalizacin
En esta fase se pretende convertir el diagrama de influencias, alcanzado en la anterior,
en el de Forrester. A partir de este diagrama se pueden escribir las ecuaciones del
modelo (algunos entornos informticos permiten hacerlo directamente). Al final de la fase
se dispone de un modelo del sistema programado en un computador.
La construccin de un Diagrama de Forrester constituye una fase rigurosa por el carcter
de la simbologa empleada que conlleva la identificacin de la naturaleza y rol de cada
una de las variables pertinentes al comportamiento de inters. Es un proceso interactivo
de permanente evaluacin sobre las posibles clasificaciones de cada variable que
conduce a la revisin de la lista inicial y mecanismos bsicos identificados en la primera
fase, constituyendo de esta manera la construccin de modelos dinmicos un proceso
realimentado y no lineal. Para ello es pertinente considerar algunas reglas que permiten
una formulacin ms consistente:

Las variables de nivel son afectadas directamente por las variables de flujo.

37

Correcto

Incorrecto

Produccin

Inventario de productos
terminados

Cantidad de
trabajadores

Inventario de productos

Figura 3.3. Relacin de la variable de nivel

Dos variables de nivel no se relacionan directamente.

Incorrecto

Cantidad de alimentos

Poblacin

Figura 3.4. Dos variables de nivel

Dos variables de flujo se pueden relacionar por medio de un canal de informacin.

Correcto

Produccin

Inventario de productos
terminados

Trabajadores

Incorporacin
de trabajadores

Figura 3.5. Relacin de variables de flujo


Forrester (1961, captulo 5) recomienda:

Representar la distorsin de la informacin. Tenemos que imitar la situacin real:


si un gerente debe decidir en base de informacin conruido, as tiene que
hacerlo nuestro modelo. El peligro es de modelar algo que no es, y por lo tanto
perder toda posibilidad de validar el modelo o de descubrir algo con relevancia
prctica.

Representar los retardos (las demoras). Si en el sistema real, un gerente se basa


en un informe mensual de ventas, es importante incluir esto en el modelo (y no
hacer depender la decisin del flujo de los datos de venta da por da, por

38

ejemplo). El peligro es de modelar algo que no es, y por lo tanto perder toda
posibilidad de validar el modelo o de descubrir algo con relevancia prctica.

Cada variable debe referirse a una entidad identificable en el mundo real.


Modelamos para intervenir en el sistema. Por lo tanto, buscamos evaluar lo que
pasar probablemente. Para esto, es importante no introducir componentes adhoc al modelo: si parece necesario de introducir algo, es porque el modelo no se
comporta como el sistema; pero si esto ocurre, significa que an no
comprendemos suficientemente bien el sistema, y no podremos por lo tanto
averiguar sobre posibles futuros (ni logramos reproducir el pasado).

La unidad de medida de la variable deber ser la de la entidad real. En el mundo,


las cosas son las cosas: si hay que usar minutos de emisin televisiva para influir
en los consumidores, son minutos de emisin, no el valor de estos minutos en
pesos u otras monedas.

Distinguir cantidades actuales de cantidades conocidas. Muchos de los procesos


en el mundo son secuencias fluidas de micro-eventos que ocurren
constantemente. En general, nuestras decisiones no se basan en ellos, sino que
en alguna transformacin.

No suponer a priori que el sistema es estable o lineal. En el mbito de los


sistemas sociales, hay buenas razones para asumir que existen muchos efectos
no-lineales y no todos los sistemas tienden a ser estables per se. Presuponer la
linealidad y la tendencia hacia la estabilidad es entonces quitarse posibilidades a
priori.

Sterman (2000, captulo 21) recomienda:

Estructuras fsica y de decisiones

El modelo observa las leyes bsicas de la fsica, como por ejemplo la


conservacin de la materia?
Las ecuaciones son consistentes en su
dimensionalidad y sin artefactos arbitrarios de conversin?

La estructura de niveles y flujos es explcita y coherente con el propsito?

El modelo asume que el sistema este en equilibrio todo el tiempo o permite


dinmicas fuera del equilibrio?

Se han tomados en cuneta las demoras, restricciones y cuellos de botella?

Se supone que las personas sean racionales y optimicen su rendimiento? Se


toman en cuenta las limitaciones cognitivas, restricciones organizacionales,
motivaciones no econmicas y factores polticos?

Las decisiones tomadas en el modelo se basan en las mismas informaciones


que tienen los tomadores de decisin reales? Hay demoras, distorsin y ruido?

3.1.3 Fase de Validacin e Implementacin


Esta cuarta fase consiste en la simulacin computarizada del modelo para determinar las
trayectorias que genera.

39

Evaluacin del modelo. En esta fase se somete el modelo a una serie de


ensayos y anlisis para evaluar su validez y calidad. Estos anlisis son muy
variados y comprenden desde la comprobacin de la consistencia lgica de las
hiptesis que incorpora hasta el estudio del ajuste entre las trayectorias
generadas por el modelo y las registradas en la realidad. As mismo, se incluye el
anlisis de sensibilidad que permite determinar la sensibilidad del modelo, y por
tanto, de las conclusiones que se extraigan de l, con relacin a los valores
numricos de los parmetros que incorpora o las hiptesis estructurales.

Anlisis de sensibilidad. Los problemas a los que se aplica habitualmente la


dinmica de sistemas incluyen relaciones y parmetros de los que se dispone de
pocos datos empricos. En un modelo de dinmica de sistemas se produce una
integracin de informacin de tipo cualitativo con informacin de tipo cuantitativo.
Esta mezcla tan dispar puede producir problemas.
En todo modelo hay una componente de imprecisin que no se puede eludir. El
hecho de asignar un valor numrico concreto a un parmetro, o una forma
funcional determinada a la expresin que relaciona dos variables, nos obliga a
preguntarnos qu sucedera si el valor de ese parmetro o de esa funcin, fuesen
otros, aunque esos valores sean prximos a aquel que hemos adoptado. El
anlisis de sensibilidad pretende precisamente abordar este problema.
Otra razn para realizar el anlisis de sensibilidad es que los modelos, debido a
su complejidad, pueden resultar difciles de comprender. Este anlisis aporta un
instrumento para alcanzar una mejor comprensin sobre cules son los puntos de
actuacin en los que se pueden producir efectos ms considerables.
El anlisis de sensibilidad consiste en un estudio sistemtico de cmo afectan a
las conclusiones de un modelo las posibles variaciones en los valores de los
parmetros y en las relaciones funcionales que incluye. La forma ms simple de
realizar el anlisis consiste en modificar los valores numricos de cada uno de sus
parmetros.
Para ello se incrementa el valor del parmetro cuya sensibilidad se quiere estudiar
en un cierto porcentaje y se analiza en qu medida esta variacin afecta a las
conclusiones del modelo (a las trayectorias que genera). Realizndolo de forma
sistemtica para todos los
parmetros, con incrementos y decrementos previamente establecidos, se puede
tener una evaluacin de los efectos de esas modificaciones sobre las
conclusiones del modelo. Diremos que el modelo es insensible a las variaciones
de los parmetros, si variaciones razonables de ellos no afectan sensiblemente a
las conclusiones que se extraen del mismo.
El problema que presenta la realizacin del anlisis como se acaba de describir,
es que al modificar cada uno de los parmetros separadamente se prescinde de
los posibles efectos de variaciones conjuntas de varios de ellos. Si se quiere evitar
este reparo, entonces debe procederse a formas de anlisis de sensibilidad ms
elaboradas como son las que permite la aplicacin del mtodo de Montecarlo. De

40

acuerdo con este mtodo se sortean aleatoriamente los valores de los


parmetros, de acuerdo con una distribucin que represente su dispersin con
relacin a los valores considerados normales, y se simula el modelo con los
valores de los parmetros que resulten de ese sorteo.
Los resultados de cada simulacin se almacenan. Se repite el proceso un cierto
nmero de veces hasta conseguir almacenar un nmero importante de
trayectorias que se someten a un anlisis estadstico para estudiar su eventual
dispersin. Esta dispersin es una medida de la sensibilidad del modelo.
En el anlisis de sensibilidad no slo se considera los valores de los parmetros,
sino las propias relaciones funcionales. El estudio sistemtico de las
modificaciones de esas relaciones es ms complejo que el de los valores
numricos de los parmetros. No existe un mtodo general para abordar este
problema, pero en cada caso concreto es posible encontrar una solucin, ya que,
en ltimo extremo, toda relacin funcional incorpora un cierto nmero de
parmetros.
El anlisis de sensibilidad de un modelo constituye uno de los elementos
esenciales para evaluacin. Nos permite dar respuesta a dos tipos de cuestiones:
por una parte, en qu medida el modelo es insensible a variaciones en su
estructura y, por tanto, resulta robusto; y, por otra, cuales son los puntos de
mxima sensibilidad del modelo que sugieren cuales son las actuaciones sobre el
proceso real que sern ms efectivas.
Existen otras formas de abordar el problema del anlisis de sensibilidad. Una
forma especialmente interesante est basada en la aplicacin de los resultados de
la teora cualitativa de los sistemas dinmicos a un modelo de dinmica de
sistemas que en realidad es un sistema dinmico. De este modo conceptos como
el de estabilidad estructural pueden aplicarse a un modelo de dinmica de
sistemas.

Explotacin del modelo. En esta ltima fase el modelo se emplea para analizar
polticas alternativas que pueden aplicarse al sistema que se est estudiando.
Estas polticas alternativas se definen normalmente mediante escenarios que
representan las situaciones a las que debe enfrentarse el usuario del modelo.

El proceso de modelado no consiste en recorrer secuencialmente, y por orden correlativo,


estas fases sino que, con frecuencia, al completar alguna de ellas, debemos volver hacia
atrs, a una fase anterior, para reconsiderar algunos supuestos que hasta entonces
habamos considerado vlidos. El proceso de modelado es un proceso iterativo mediante
el cual se combinan los distintos elementos conceptuales y operativos que suministra la
dinmica de sistemas, para alcanzar como resultado final un modelo aceptable del
proceso que estamos estudiando.
En este sentido, se dice que el proceso de modelado tiene ms de arte que de ciencia, y
en l el modelista juega un papel esencial. Para la construccin de un modelo se parte de
informacin de dos tipos. Por una parte, se tienen registros numricos de las trayectorias

41

seguidas en el pasado por las magnitudes correspondientes. Por otra, se dispone de una
informacin, de naturaleza muy variada, con relacin a cmo se producen las
interacciones en el seno del sistema. Segn la importancia relativa que se d a estos dos
tipos de informacin, se tienen diferentes mtodos de modelado. En los mtodos basados
en la estadstica, se considera que la nica informacin relevante es la del primer tipo y,
por tanto, en estos mtodos de modelado se trata de realizar un ajuste numrico de los
modelos a esos datos.
Por otra parte, en mtodos como la dinmica de sistemas se asume que la informacin
relevante es la del segundo tipo. Es decir, informacin con respecto a cmo se producen
las interacciones en el seno del sistema, aunque sea en principio cualitativa. Esta
informacin, mediante el proceso de conceptualizacin, conduce al diagrama de
influencias. Este diagrama se reelabora para construir el de Forrester. Slo entonces, de
acuerdo con este mtodo empieza a tener inters la consideracin de la informacin
numrica.
De los diferentes problemas con que nos encontramos, la informacin ms amplia de la
que se suele disponer es la que suministran los modelos mentales de esas situaciones.
Estos modelos sintetizan, de forma ms o menos intuitiva, la experiencia que tenemos
con respecto a esas situaciones y se encuentran evaluados por los resultados que hemos
alcanzado previamente al emplearlos como base de nuestras decisiones. Por otra parte,
la informacin escrita de la que se suele disponer es considerablemente menor. Por
ltimo, la informacin cuantitativa es relativamente escasa. Sin embargo, debemos tomar
decisiones, especialmente con relacin a problemas complejos, teniendo en cuenta esos
tres tipos de informacin. Por tanto, conviene que seamos capaces de integrarla. Eso es
lo que permite la dinmica de sistemas. El modelo aporta estructuras que generan
comportamientos. Por tanto, en el modelo, adems de la informacin de distinto tipo que
estamos comentando, se incorporan estructuras que justifican, a veces en gran medida,
el comportamiento. En el modelo, al integrarse la informacin mediante las estructuras
adecuadas, se tienen modos de comportamiento no triviales. En este sentido, decimos
que un modelo contribuye a la generacin de conocimiento.
3.1.3 Fase de Implementacin
Todo modelo se construye con el fin de ayudar a resolver un problema concreto. En
consecuencia, la explotacin del modelo consistir precisamente en valerse de l para
resolver ese problema. Sin embargo, esa explotacin puede tomar formas variadas. En
algunos casos, el modelo permite hacer predicciones. Es decir, alcanza un nivel de
precisin tan elevado que nos permite emplearlo para predecir con exactitud qu valores
tomarn algunas magnitudes en un instante de tiempo determinado del futuro. Estos
modelos predictivos presuponen que el modelo tenga una gran precisin, tanto por lo que
respecta a los valores de los parmetros, como a las relaciones funcionales que incluye.
Este grado de precisin se alcanza normalmente en las ciencias fsicas, por lo que es en
este mbito donde se dan con mayor frecuencia este tipo de modelos. Ello no excluye

42

que en determinados problemas de las ciencias sociales puedan hacerse tambin


predicciones, pero estas no suelen tener el grado de aceptacin de las que se logran en
las ciencias fsicas. Otra de las posibles utilizaciones de los modelos, especialmente
cuando incorporan una cierta imprecisin, consiste en emplearlos no tanto para hacer
predicciones concretas de valores numricos precisos para determinadas magnitudes,
sino para analizar las tendencias de evolucin de esas magnitudes. As, se trata de
establecer si una magnitud tiende a crecer, a decrecer, a oscilar, o a permanecer
invariable. Se tratan de predicciones ms laxas que las consideradas en el prrafo
anterior. En realidad, en este caso estamos ms prximos a hacer previsiones que
propiamente predicciones. Por ltimo, el tercer uso posible de los modelos consiste en
emplearlos como instrumentos para analizar los distintos modos de comportamiento que
puede mostrar ese sistema. De acuerdo con este uso, los modelos no tratan de
ayudarnos a anticipar el porvenir, sea en forma precisa o en forma ms laxa, sino de
suministrarnos elementos para una reflexin disciplinada sobre los posibles modos de
desenvolverse el sistema que estamos estudiando. Este uso se encuentra en la
actualidad muy generalizado y consiste en emplearlos como bancos de prueba para el
aprendizaje. En este sentido se ha propuesto aplicar el concepto de micromundo
(microworld) de Seymour Papert. De acuerdo con este autor el proceso de aprendizaje se
refuerza cuando se dispone de objetos adecuados con los que se mantiene una
interaccin que, en alguna medida, recuerda a un juego. Estos objetos pueden
desarrollarse informticamente, y en particular, Papert emple el LOGO para la
enseanza de la geometra a nios. Se ha propuesto emplear estas mismas ideas en el
mbito de la dinmica de sistemas para que los directivos de las empresas puedan
organizar sus estrategias empresariales, con ayuda de modelos de simulacin, que les
sirvan para ensayar esas estrategias y reelaborarlas como consecuencia de la interaccin
que se tiene con el modelo de simulacin que las incorpora. De este modo se crea un
entorno de aprendizaje en el que el directivo puede ensayar las potenciales polticas que
trate de aplicar para resolver los problemas de su empresa. El desarrollo de micromundos
goza en la actualidad de un gran desarrollo, y se considera una de las lneas de
aplicacin de la dinmica de sistemas ms prometedoras.
3.2 HERRAMIENTAS INFORMTICAS PARA MODELOS DINMICOS
Un modelo matemtico consiste esencialmente en un conjunto de ecuaciones. Para
procesarlas necesitamos de la ayuda de la informtica. Una vez programadas en un
computador podemos experimentar con el modelo. Este proceso recibe la denominacin
de simulacin informtica del sistema y requiere de herramientas informticas
adecuadas. Por lo que respecta a la dinmica de sistemas se han desarrollado un cierto
nmero de ellas. Las ms empleadas son:

Professional DYNAMO. Es el ms clsico de los lenguajes. No presenta


posibilidades de modelado mediante iconos, pero sin embargo permite tratar

43

ecuaciones de gran dimensin. La mayor parte de los modelos que se encuentran


en los libros clsicos de la dinmica de sistemas estn escritos en este lenguaje.

STELLA y i-think. Son entornos informticos de amplia capacidad interactiva que


permiten construir modelos empleando procedimientos grficos, mediante iconos.
Ambos poseen una estructura similar, pero mientras el primero se encuentra ms
orientado hacia usos acadmicos el segundo lo hace hacia aplicaciones
profesionales. Ambos permiten construir los diagramas de Forrester en la pantalla
del computador, de modo que al establecer su estructura se generan las
ecuaciones. Se pueden agrupar elementos en sus modelos, y posee un zoom que
permite desenvolverse con modelos complejos.

PowerSim. Entorno de caractersticas anlogas a los anteriores (mientras aquellos


son americanos, este es europeo en concreto noruego). Permite desarrollar
varios modelos simultneamente, e interconectarlos posteriormente entre s.

VenSim. Con respecto a las anteriores presenta algunas ventajas con relacin a la
organizacin de datos y a posibilidades de optimizacin. Se trata de un lenguaje
muy potente para el desarrollo de modelos que pueden emplearse tanto en
entornos PC como en Unix. Permite documentar automticamente el modelo
segn se va construyendo, y crea rboles que permiten seguir las relaciones de
causa efecto a lo largo del modelo. Est dotado de instrumentos para realizar
anlisis estadsticos.

44

CAPITULO IV
ESTRUCTURAS BSICAS
A menudo sucede que el comportamiento de un sistema es ms fcil de captar que su
estructura subyacente. Los sistemas pueden ser relacionados a partir de los
comportamientos comunes que producen. Sin embargo, es incorrecto suponer que tales
sistemas son capaces de mostrar slo los comportamientos que ya conocemos y
necesitamos buscar con detalle los otros comportamientos posibles. El estudio de
estructuras genricas estudia los diferentes comportamientos posibles a partir de
estructuras concretas. En cada caso, se busca entender qu elemento de la estructura es
responsable del comportamiento producido.
La realimentacin brinda el carcter dinmico a las estructuras genricas en Dinmica de
Sistemas, por lo cual debe ser conceptualizada de tal forma. La realimentacin es un
proceso por el cual un cambio o seal viaja a travs de una cadena de relaciones
causales hasta relacionarse de nuevo consigo mismo, es decir son sistemas de bucle
cerrado en el cual cada variable es a la vez causa y efecto. En un sistema con
realimentacin un cambio en el estado real del sistema (por ejemplo, un cambio en la
temperatura de la habitacin) lleva a una decisin (tomada por el termostato) que provoca
una accin (poner en marcha la caldera de calefaccin) que afecta al estado real del
sistema (los radiadores elevan la temperatura de la habitacin) y a su vez tienen
influencia en futuras decisiones (la caldera de la calefaccin se detiene una vez que se
ha alcanzado la temperatura deseada en la habitacin) 3.
El proceso de realimentacin se clasifica en dos, realimentacin positiva y realimentacin
negativa. La realimentacin es positiva si el aumento de una variable, despus de un
retraso, provoca un nuevo aumento de esa misma variable. Las realimentaciones
positivas se hallan cuando hay un refuerzo o amplificacin en el sistema, que provoca un
comportamiento exponencial. Por otra parte, una realimentacin es negativa si el
aumento de una variable provoca que posteriormente haya una disminucin en esa
misma variable. Las realimentaciones negativas llevan al equilibrio o estabilizan los
sistemas, lo que produce un comportamiento asinttico o bien oscilante.

Jay W. Forrester, 1961. Industrial Dynamics. Portland, OR: Productivity Press, p. 14.

45

4.1 REALIMENTACIN POSITIVA


La Realimentacin Positiva provoca crecimiento y cambio. En la figura se muestra un
ejemplo de realimentacin positiva, en el cual un bilogo cultiva un tipo de bacteria en un
recipiente. La reproduccin incrementa el nmero de la bacteria E. Coli. Cuanto ms se
reproducen las bacterias, ms bacterias hay en el recipiente. Que determina la
velocidad de reproduccin? Las bacterias E. Coli se reproducen por divisin celular. La
reproduccin depende directamente de cuantas bacterias hay en el recipiente.

Reproduccin

Bacterias E Coli

Tasa de
reproduccin

Figura 4.1. Realimentacin positiva. Bacterias E. Coli


4.1.1 Estructura
La realimentacin positiva est dada por interrelaciones que conforman un circuito
cerrado denominado bucle, en el cual la variacin de una variable es transmitida a travs
del bucle generando una mayor variacin en el mismo sentido de la variable que cambi
en un inicio. En la Figura 4.2 se muestra la estructura genrica de realimentacin positiva
considerando slo dos variables; en el cual ante un incremento de la variable de nivel, la
variable de flujo crece constituyendo una relacin positiva, y ante el incremento de la
variable de flujo la variable de nivel crece constituyendo otra relacin positiva. En la
Figura 4.3 se muestra el modelo lineal de primer orden, incluyendo una constante de
crecimiento para establecer el factor de crecimiento en las ecuaciones del modelo.

Nivel

Flujo
Figura 4.2. Diagrama causal de Realimentacin positiva

46

NIVEL

FLUJO

CONSTANTE DE
CRECIMIENTO

Figura 4.3. Diagrama de Forrester de Realimentacin positiva


El nmero de variables de la estructura es pertinente al sistema bajo estudio, la condicin
para ser de realimentacin positiva es tener todas las relaciones positivas o un nmero
par de relaciones negativas dentro del bucle de realimentacin.
4.1.2 Exploracin de la conducta
El comportamiento caracterstico del bucle positivo es el crecimiento exponencial. Para
explorar los diferentes comportamientos posibles, primero se experimenta cambiando el
valor inicial del nivel y manteniendo el valor de la constante de crecimiento. Los diferentes
comportamientos para diferentes valores iniciales del nivel se muestran en la Figura 4.4.
Se ha dado al nivel valores iniciales de 0, 50, 100 y 200 para las ejecuciones de la
simulacin 1 a la 4 respectivamente. La constante de crecimiento se mantiene en 0.1.
NIVEL: 1 - 2 - 3 - 4 1:

700
4

4
1:

350

4
3
4

3
3

3
2
1:
Page 1

1
0.00

1
3.00

2
1
6.00
Time

1
9.00
12.00
20:40 dom, 10 de may de 2009

COMPORTAMIENTO EXPONENCAL

Figura 4.4. Crecimiento exponencial


Ante el incremento del valor inicial de la variable de nivel, el crecimiento es ms
acelerado; sin embargo si el valor inicial es negativo el resultado es inverso. En la Figura

47

4.6 estn los comportamientos ante valores iniciales de la variable de nivel de -50, -100 y
-200. Para simular el comportamiento, la variable de flujo debe tener la capacidad de
extraer del nivel puesto que tendr valores negativos. En la figura 4.5 se muestra el
modelo de Forrester apropiado.
NIVEL

FLUJO

CONSTANTE DE
CRECIMIENTO

Figura 4.5. Diagrama de Forrester para valores iniciales negativos de la variable de nivel
Las ecuaciones del modelo en el software Stella son:
NIVEL(t) = NIVEL(t - dt) + (FLUJO) * dt
INIT NIVEL = -200
INFLOWS:
FLUJO = NIVEL*CONSTANTE_DE_CRECIMIENTO
CONSTANTE_DE_CRECIMIENTO = 0.1

NIVEL: 1 - 2 - 3 1:

0
1

2
2

2
3

1:

-350
3

1:

-700

Page 1

0.00

3.00

6.00
Time

9.00
12.00
21:05 dom, 10 de may de 2009

COMPORTAMIENTO EXPONENCAL

Figura 4.6. Comportamiento con valores iniciales negativos de la variable de nivel


Por tanto, la estructura genrica del bucle positivo de primer orden puede mostrar tres
tipos de comportamiento crecimiento exponencial positivo, equilibrio y crecimiento
exponencial negativo. En el cuadro 4.1 se resumen los comportamientos que puede

48

presentar la estructura positiva de primer orden bajo tres condiciones del valor inicial de
la variable de nivel y dos condiciones de la constante de crecimiento.

Cuadro 4.1. Comportamientos de la estructura positiva


4.2 REALIMENTACIN NEGATIVA
La realimentacin negativa es aquella orientada a regular el comportamiento en un
sistema. A continuacin se detallar los aspectos de la estructura lineal de primer orden
con el comportamiento de disminucin exponencial.
4.2.1 Descripcin y representacin
La realimentacin negativa est dada por interrelaciones que conforman un circuito
cerrado denominado bucle, en el cual la variacin de una variable es transmitida a travs
del bucle generando una variacin en el sentido contrario de la variable que cambi en un
inicio. En la Figura 4.7 se muestra la estructura genrica causal de realimentacin
negativa considerando slo dos variables; en el cual ante un incremento de la variable de
nivel, la variable de flujo crece constituyendo una relacin positiva, y ante el incremento
de la variable de flujo la variable de nivel disminuye constituyendo la relacin negativa.

Nivel
+

Flujo
Figura 4.7. Diagrama causal de Realimentacin negativa

49

La formalizacin del modelo causal conlleva la incorporacin de variables que permitirn


los clculos respectivos para la simulacin, en la presente estructura de realimentacin
negativa se tomar como referencia el comportamiento en bsqueda de un objetivo,
siendo el valor inicial de la variable de nivel mayor que el objetivo el cual se desea lograr.
NIVEL

FLUJO

CONSTANTE DE
DISMINUCIN
OBJETIVO
DIFERENCIA

Figura 4.8. Diagrama de Forrester de Realimentacin negativa

NIVEL: 1 1:

105
1

1:

60

1
1
1:

15

0.00

3.00

Page 1

6.00
Time

9.00
12.00
9:17 lun, 11 de may de 2009

DISMINUCIN EXPONENCIAL

Figura 4.9. Disminucin exponencial


Ecuaciones del modelo de realimentacin negativa correspondiente a la figura 4.8:
NIVEL(t) = NIVEL(t - dt) + (- FLUJO) * dt
INIT NIVEL = 100
OUTFLOWS:
FLUJO = DIFERENCIA*CONSTANTE_DE_DISMINUCIN
CONSTANTE_DE_DISMINUCIN = 0.2

50

DIFERENCIA = NIVEL-OBJETIVO
OBJETIVO = 10

4.2.2 Exploracin de la conducta


El aspecto ms caracterstico de la disminucin exponencial es su constante de
disminucin, que puede estar referido al tiempo para que la diferencia entre el nivel y el
objetivo se reduzca. Dado que la constante de disminucin es constante en 0.2, el plazo
de reduccin de la variable de nivel tendr un ritmo constante en cada momento de
unidad de tiempo establecido por medio del diferencial de tiempo (Dt).
En la figura 4.10 se representa cuatro comportamientos de la estructura de
realimentacin negativa de la estructura planteada en la figura 4.8 considerando cuatro
valores iniciales de la variable de nivel: 50, 25, 0 y -50 respectivamente. La situacin
inicial de la simulacin del modelo, dado en este caso por el valor inicial de la variable de
nivel, determina el comportamiento proyectado generando comportamientos con
disminucin asinttica en las dos primeras simulaciones, equilibrio en cero en la tercera
simulacin y crecimiento asinttico hacia el equilibrio en la cuarta simulacin.

NIVEL: 1 - 2 - 3 - 4 1:

100

1
1

2
1:

2
3

1
4

1:
Page 1

-100

0.00

3.00

6.00
Time

9.00
12.00
9:39 lun, 11 de may de 2009

DISMINUCIN EXPONENCIAL

Figura 4.10. Comportamiento de realimentacin negativa con diversos valores iniciales


de la variable de nivel
Los comportamientos de las estructuras dinmicas tienen variantes, incluso contrarias, en
funcin de los cambios que se presenten en los valores iniciales de las variables de nivel
y constantes o factores incorporados. En el siguiente cuadro se presentan los diversos

51

comportamientos de la realimentacin negativa ante tipos de valores de la variable de


nivel y el factor de disminucin.

Cuadro 4.2. Comportamientos de la estructura negativa


4.3 COMPORTAMIENTO EN S
El crecimiento de los sistemas es restringido por factores internos y externos que hacen
que luego el sistema se estabilice, este tipo de comportamiento es denominado
Comportamiento en S. El crecimiento en forma de S es comnmente clasificado como
una estructura genrica. Sin embargo, no es una estructura genrica sino un
comportamiento. Algunas estructuras diferentes pueden tener el mismo comportamiento.
Sin embargo, las diferentes estructuras que exhiben comportamientos similares deben
estar relacionadas. El comportamiento en S permite comprender estructuras ms
sofisticadas en el cual se combinan las estructuras bsicas de realimentacin,
constituyendo un soporte ms amplio que permite una mejor representacin de los
sistemas en su desempeo real.
4.3.1 Descripcin y representacin
El comportamiento en forma de S, tambin llamado crecimiento sigmoidal, est
caracterizado por tener un crecimiento exponencial motivado por el predominio de la
realimentacin positiva sobre la realimentacin negativa, conformantes de la estructura,
hasta un momento en el cual ambos se equilibran en un punto de inflexin. A partir del

52

punto de inflexin, la realimentacin negativa comienza a tener dominio sobre la


realimentacin positiva generando un comportamiento de crecimiento asinttico.

Figura 4.11. Estructura causal de comportamiento en S

Se En la figura 4.11 se tiene un bucle positivo entre aportes netos y estado del sistema
que por s solo crecer (o decrecer) exponencialmente. Pero el crecimiento tiene lugar
en algn contexto que acta como limitante. Esto puede ser el tamao del mercado, la
capacidad de trabajo diario del personal o la capacidad de endeudamiento. Sea cual sea,
siempre el tamao del estado del sistema, en relacin con este lmite de capacidad, da
una tasa de utilizacin de la capacidad, que indica el porcentaje de la capacidad ya
usado. La tasa de crecimiento es inversamente relacionada con esta tasa de utilizacin
de la capacidad: si se vende a la mayor parte de los potenciales compradores, las
posibilidades de crecimiento disminuyen. Si el personal ya trabaja 16 horas por da, las
posibilidades de extender la jornada disminuyen. Si se est muy endeudado, las
posibilidades de tomar ms prstamos disminuyen. De esta forma, una baja en la tasa
de crecimiento tiene como consecuencia la disminucin de los aportes netos: el
crecimiento del estado del sistema se frena. Se ha constituido entonces un bucle de
realimentacin negativa, cuya accin se contrapone a la del bucle positivo.

53

Figura 4.12. Conducta del comportamiento en S


Considerando la estructura de ejemplo, el estado del sistema crecer inicialmente debido
al bucle positivo hasta cierto valor (punto de inflexin) donde el crecimiento se deber al
bucle negativo que har que el estado del sistema se estabilice en el tiempo, el
comportamiento respectivo se muestra en la figura 4.12.
4.3.2 Exploracin de la conducta
El comportamiento en S es generado por dos tipos de estructuras. La primera dado por
un limitante del crecimiento, como se muestra en la figura 4.13 un limitante del terreno
disponible para una poblacin de conejos. En el punto de inflexin, las muertes se
vuelven ms dominante conduciendo a la poblacin a un crecimiento hacia la estabilidad.
Tasa de
mortalidad

Correcto

Nacimientos

Poblacin
De conejos

Muertes

Tasa de
natalidad

+
Muertes por
aglomeracin

+
Aglomeracin

+
Terreno

Figura 4.13. Modelo causal de poblacin con limitante de crecimiento

En el modelo de poblacin de conejos con limitante de terreno se considera que a medida


que se incremente la poblacin, hay mayor aglomeracin de conejos en el terreno

54

disponible, lo cual en un inicio no repercute en la muertes de conejos hasta cierto valor de


la poblacin, a partir del cual por efecto de la aglomeracin se dan muertes por este
hacinamiento, conduciendo a incrementar las muertes que se daban en forma natural. La
informacin de las muertes por aglomeracin se ha considerado en forma nolineal, con
datos tomados entre estas dos variables.

TASA MORTALIDAD
POBLACION

MUERTES

NACIMIENTOS

~
MUERTES POR AGLOMERACION
TASA DE NATALIDAD

AGLOMERACION
TERRENO DISPONIBLE

Figura 4.14. Modelo de Forrester de poblacin con limitante de crecimiento

1: POBLACION
1:

200.00

1
1:

100.00
1

1:
Page 1

0.00

1
0.00

1
6.00

12.00
Semestres

18.00
24.00
7:43 vie, 29 de may de 2009

Untitled

Figura 4.15. Comportamiento del modelo de poblacin con limitante de crecimiento

55

4.4 ARQUETIPOS SISTMICOS


La palabra viene del griego Archetypos, que significa "el mejor de su clase". Un hijastro
del pensamiento de sistemas, los arquetipos de sistemas fueron desarrollados en
Innovation Associates a mediados de los aos ochenta.
En ese momento el estudio de la dinmica de sistemas dependa de la diagramacin de
complejos diagramas causales y el modelado en computador, usando ecuaciones
matemticas para definir las relaciones entre variables. Charles Kiefer, el Presidente de
I.A., sugiri el tratar de comunicar los conceptos ms simplemente. Jennifer Kemeny (con
Michael Goodman y Peter Senge, basados en parte en las notas desarrolladas por John
Sterman) desarroll ocho diagramas que ayudaran a ilustrar los comportamientos mas
comnmente vistos. Algunos arquetipos, incluyendo "Lmites del crecimiento" y
"Desplazamiento de la carga" fueron traducciones de "estructuras genricas",
mecanismos que Jay Forrester y otros pioneros del pensamiento de sistemas
describieron en los aos sesenta y setenta.
4.4.1 Compensacin entre proceso y demora
a) Descripcin y estructura
Dada una condicin real que debe ser mejorada, una persona, un grupo o una
organizacin, actan con miras a mejorarla realizando una accin correctiva, si la
condicin real tiene ms problemas, conlleva a ms accin correctiva, generando una
relacin positiva. La accin correctiva no reduce los problemas de la condicin real en
forma inmediata, sino luego de una demora; lo cual al no tener mejora inmediata o rpida
sobre la condicin real, los intervinientes realizan ms acciones correctivas de las
necesarias o a veces desisten porque no ven ningn progreso. El tipo de relacin entre la
accin correctiva y las condiciones reales es negativa, siendo el bucle conformado uno
negativo.

Figura 4.16. Estructura de compensacin entre proceso y demora


b) Sntoma de Advertencia
"Creamos que estbamos en equilibrio, pero luego tomamos una medida excesiva".
(Luego podemos tomar una medida excesiva en sentido contrario).

56

c) Principio Administrativo
En un sistema lento, la agresividad produce inestabilidad. Se debes ser paciente o lograr
que el sistema reaccione mejor.
Ejemplos:

Los agentes de bienes races siguen construyendo nuevas propiedades hasta


saturar el mercado, pero para entonces hay ms propiedades en construccin de
las que el mercado necesita.

Una ducha donde el agua caliente reacciona con lentitud ante los cambios de la
posicin del grifo; ciclos de saturacin y escasez en produccin/distribucin (como
en el juego de la cerveza); ciclos en las tasas de produccin e inventario de
procesos debido a largos ciclos de manufacturacin; la matanza de la Plaza
Tiananmen, donde el gobierno demor su reaccin ante la protesta y luego actu
con inesperada ferocidad; ascensos y descensos repentinos y excesivos en el
mercado de valores.

4.4.2 Limites del crecimiento


a) Descripcin y estructura
Dada una condicin que crece favorecido por una accin creciente y viceversa, se
alimenta por s mismo produciendo un crecimiento o expansin acelerada; sin embargo
dicho crecimiento pierde cada vez velocidad haciendo que la condicin se estabilice o
incluso disminuya inicindose un colapso, este comportamiento es a menudo inexplicable
por quienes participan en el sistema.
La fase de crecimiento es causada por uno o varios procesos de realimentacin
reforzadora, con relaciones positivas entre la condicin y accin creciente. La
desaceleracin surge por un proceso compensador que se activa cuando se llega a un
"lmite", siendo positiva la relacin entre la condicin y la accin creciente y negativa la
relacin entre la accin creciente y la condicin. El lmite puede ser una restriccin en los
recursos, o una reaccin externa o interna ante el crecimiento; si la condicin limitativa es
incrementada, la accin decreciente disminuye. El colapso acelerado (cuando ocurre)
surge del proceso reforzador que se revierte, generando cada vez ms contraccin.

Figura 4.17. Estructura de lmites del crecimiento

57

b) Sntoma de Advertencia
"Por qu preocuparnos por problemas que no tenemos? Estamos creciendo
muchsimo". (Poco despus: "Claro que hay algunos problemas, pero slo debemos
volver a lo que antes funcionaba". Ms tarde: "Cuanto ms corremos, ms
permanecemos en el mismo lugar".)
c) Principio Administrativo
No presiones el proceso reforzador (de crecimiento); elimina (o debilita) el factor
limitativo.
Ejemplos:

Una compaa instituy un programa de "accin afirmativa" que gan en respaldo


y actividad cuando se introdujeron empleados bien calificados pertenecientes a
minoras tnicas en diversos equipos de trabajo. Pero ms tarde surgi una
resistencia; se perciba que los nuevos empleados no se haban "ganado" el
puesto compitiendo con otros aspirantes calificados. Cuanto ms se presionaba a
los equipos para aceptar nuevos miembros, ms se resistan.

Al adquirir una nueva destreza, como el tenis, progresamos rpidamente al


principio, al ganar competencia y confianza, pero luego nos topamos con lmites a
nuestra aptitud natural, los cuales slo se pueden superar aprendiendo nuevas
tcnicas que al principio se adquieren con "menos naturalidad".

Una firma nueva que crece rpidamente hasta alcanzar un tamao que requiere
aptitudes administrativas ms profesionales y mejor organizacin formal; un
equipo de productos que trabaja magnficamente hasta que el xito le induce a
contratar a demasiados integrantes nuevos que no comparten ese estilo laboral ni
los valores de los fundadores; una ciudad que crece hasta cubrir las tierras
disponibles, con lo cual se elevan los precios de las viviendas; un movimiento
social que crece hasta toparse con creciente resistencia de los no conversos, una
poblacin animal que crece deprisa cuando elimina a sus depredadores naturales,
y luego agota las pasturas y es vctima de la hambruna.

4.4.3 Desplazamiento de la carga


a) Descripcin y estructura
Ante un problema se usa una "solucin" de corto plazo para corregirla, con resultados
inmediatos aparentemente positivos, esta solucin sintomtica alivia el problema
provocando dependencia de dicha solucin ante ms presencia del problema ms
solucin sintomtica y a ms solucin sintomtica ms alivio del problema. A medida que
esta correccin se usa cada vez ms, las medidas correctivas fundamentales se aplican
cada vez menos, debido a un efecto colateral que crece por dicha solucin y reduce la
solucin de fondo. Con el tiempo, las aptitudes para la solucin fundamental se atrofian,
creando mayor dependencia respecto de la solucin sintomtica. La solucin fundamental

58

requiere de mayores esfuerzo y recursos para llevarse a cabo por lo cual demora en su
ejecucin.

Figura 4.18. Estructura de desplazamiento de la carga


b) Sntoma de Advertencia
"Esta solucin ha funcionado hasta ahora! Quin dice que nos esperan problemas?
c) Principio Administrativo
Concntrate en la solucin fundamental. Si la solucin sintomtica es imperativa (a causa
de las demoras de la solucin fundamental), sala para ganar tiempo mientras trabajas
en la solucin fundamental.
Ejemplos:

Un innovador tablero de circuitos se puede usar para desarrollar una funcionalidad


nica y ahorrar costos en muchas aplicaciones de productos, pero tambin puede
sustituir los tableros existentes en productos actuales. Los vendedores pueden
tratar de venderla a clientes especiales que aprecien las propiedades de esta
tecnologa y eventualmente disearn productos nuevos que la explotarn
plenamente ("solucin fundamental") o venderla a "clientes generales" que no se
interesan en dichas propiedades y simplemente la usarn como sustituto de otros
tableros (solucin sintomtica). Dadas las presiones de los directivos para
alcanzar objetivos de ventas, los vendedores venden a quien est dispuesto a
comprar, habitualmente "clientes generales", pues hay ms de ellos y las demoras
en el ciclo de ventas son ms cortas. Con el tiempo, la nueva tecnologa no
obtiene una clientela leal y queda sujeta a las presiones de precios y de mrgenes
que caracterizan a los productos de consumo.

59

Vender ms a clientes existentes en vez de ampliar la clientela; pagar cuentas


mediante pedidos de prstamos, en vez de someterse a la disciplina de un
presupuesto; usar alcohol, drogas o incluso algo tan benfico como el ejercicio
para aliviar el estrs laboral, sin enfrentar la necesidad de controlar la carga
laboral; y cualquier adiccin a cualquier cosa en cualquier parte.

4.4.4 Caso especial: desplazamiento de la carga hacia la intervencin


a) Descripcin y estructura
En forma anloga al arquetipo anterior, ante el sntoma del problema se procede a un
ente externo para su solucin, siendo una forma rpida de resolverlo, sin recurrir a los
trabajadores que son los actores internos, conllevando a una dependencia de
solucionadores externos en desmedro de la capacidad de los solucionadores internos.
Las estructuras de desplazamiento de la carga son tan comunes y perniciosas en caso de
intervencin externa que merecen una atencin especial. La intervencin procura aliviar
sntomas de problemas obvios, y lo hace tan bien que los integrantes del sistema no
aprenden a afrontar los problemas.

Figura 4.19. Estructura de caso especial de desplazamiento


b) Principio Administrativo
"Ensear a la gente a pescar, en vez de darle pescado". Concntratse en afinar las
aptitudes del "organismo husped" para resolver sus propios problemas. Si se necesita
ayuda externa, se debe limitar estrictamente a una intervencin nica (y todos deben
saberlo de antemano) o ayudar a la gente a desarrollar su propia capacidad, recursos e
infraestructura para que sea ms capaz en el futuro.

60

Ejemplos:

Una innovadora compaa de seguros estaba comprometida con el concepto de


filiales locales independientes que podan pedir asistencia ocasional al personal
central. Inicialmente el concepto funcionaba bien, hasta que la industria sufri una
crisis. Afrontando graves prdidas repentinas, las oficinas locales llamaron a los
gerentes centrales con mayor experiencia para que les ayudaran a reorganizar las
estructuras de tasacin, un proceso que llevaba meses. Entretanto, los gerentes
locales se concentraron en administrar la crisis. La crisis se resolvi, pero la
prxima vez que las estructuras de tasacin se cuestionaron, las oficinas locales
haban perdido confianza. Llamaron a los gerentes centrales "para mayor
seguridad". Al cabo de varios aos de esta conducta, las oficinas locales se
encontraron sin gente que pudiera manejar las estructuras de tasacin.

Dependencia respecto de contratistas externos y no de personal interno. Muchas


formas de asistencia gubernamental que procuran resolver problemas urgentes y
slo alientan la dependencia y la necesidad de incrementar la asistencia: sistemas
de "bienestar" que alientan; programas de vivienda o educacin laboral que atraen
a los necesitados hacia las ciudades con los mejores programas; asistencia
alimentaria a pases en desarrollo, la cual reduce las muertes e incrementa el
crecimiento demogrfico; sistemas de seguridad social que reducen los ahorros
personales y alientan la ruptura de la familia extendida.

4.4.5 Erosin de metas


a) Descripcin y estructura
La brecha que existe entre la condicin en la que se encuentra una persona u
organizacin y la meta que se desea lograr provoca presiones para reducir la meta, y
ante la reduccin de las metas la brecha se acorta. El segundo bucle explica cmo se
puede reducir la brecha sin reducir la meta, realizando acciones para mejorar la condicin
actual la cual demorar en dar efecto. Esta estructura de accin de corto plazo conduce
al deterioro de la meta fundamental de largo plazo, evitando esfuerzos para mejorar.

61

Figura 4.20. Estructura de erosin de metas


b) Sntoma de Advertencia
"No importa que nuestras pautas de desempeo se deterioren un poco, slo hasta que
termine la crisis".
c) Principio Administrativo
Sostener la visin.
Ejemplos:

Una fbrica de alta tecnologa pierde participacin en el mercado, a pesar de un


producto magnfico y continuas mejoras. Pero la firma, orientada hacia sus
"genios" del diseo, nunca tiene los planes de produccin bajo control. Un
investigador externo descubri que los clientes estaban cada vez ms
insatisfechos con los retrasos, y compraban productos de la competencia. La
compaa se mantuvo en sus trece: "Hemos mantenido un xito de 90% en
satisfacer el tiempo de entrega prometido al cliente". Por lo tanto, busc el
problema en otra parte. Sin embargo, cada vez que la compaa sufra retrasos en
la entrega, reaccionaba alargando el tiempo prometido. El tiempo de entrega
prometido se volva cada vez ms largo.

Personas de xito que reducen sus expectativas sobre s mismas y que


gradualmente tienen menos xito. Firmas que tcitamente reducen sus pautas de
calidad mediante reducciones de presupuesto, en vez de invertir en el desarrollo
de una calidad ms elevada (quiz con costos ms reducidos) para hacer las
cosas, proclamando entretanto sus compromisos con la calidad. Objetivos
reducidos del gobierno para "pleno empleo" o equilibrio del dficit nacional.

62

Objetivos deteriorados para el control de contaminantes peligrosos o la proteccin


de especies en peligro de extincin.
4.4.6 Escalada
a) Descripcin y estructura
Dos personas u organizaciones entienden que su bienestar depende de una ventaja
relativa de una sobre la otra. Cuando una se adelanta, la otra se siente amenazada y
acta con mayor agresividad para recobrar su ventaja, lo cual amenaza a la primera,
aumentando su agresividad, y as sucesivamente. A menudo cada parte ve su conducta
agresiva como una reaccin defensiva ante la agresin de la otra; pero la "defensa" de
cada parte deriva de una escalada que escapa a la voluntad de ambas.
En la estructura, los resultados de A en relacin a B hace que A realice menos actividad,
a ms actividad de A ms resultados de A, y a ms resultados de A ms resultados de A
en relacin con B, y si se da esta variacin provoca ms actividad de B incrementando
los resultados de B, por lo cual los resultados de A en relacin con B disminuye.

Figura 4.21. Estructura de escalada


b) Sntoma de Advertencia
"Si nuestro oponente se aplacara, podramos dejar de librar esta batalla para hacer otras
cosas".
c) Principio Administrativo
Buscar el modo de que ambas partes "ganen" o alcancen sus objetivos. En muchos
casos, una parte puede revertir unilateralmente la espiral viciosa al realizar "agresivos"
actos pacficos que hagan sentir al otro menos amenazado.
Ejemplos:

Una compaa desarrollo un ingeniosa diseo para un cochecito que llevaba tres
bebs al mismo tiempo pero era liviano y cmodo para los viajes. Fue un xito
inmediato entre familias con varios hijos. Casi simultneamente, surgi un
competidor con un producto similar. Al cabo de varios aos, envidiando la
participacin en el mercado de la otra compaa, la primera redujo el precio en un
20 por ciento. La segunda compaa not una merma en las ventas y tambin

63

rebaj los precios. La primera compaa, todava interesada en recobrar su parte


en el mercado, baj los precios an ms. La segunda compaa la imit a
regaadientes, aunque sus ganancias empezaban a ser afectadas. Varios aos
despus, ambas compaas apenas lograban mantenerse a flote, y la
supervivencia del cochecito triple era dudosa.

Guerras de publicidad. Creciente recurrencia a los abogados para resolver


disputas. Guerras de pandillas. La ruptura de un matrimonio. Estimaciones
infladas de presupuesto: algunos grupos inflan sus estimaciones y otros los imitan
para obtener su "trozo de pastel", lo cual induce a todos a inflar sus estimaciones
an ms. La batalla para ser escuchado por el presidente de una compaa. Y,
por cierto, la carrera armamentista.

4.4.7 xito para quien tiene xito


a) Descripcin y estructura
Dos actividades compiten por recursos limitados. A mayor xito, mayor respaldo, con lo
cual la otra se queda sin recursos. La asignacin de recursos limitados se da en funcin
de los resultados de las partes que compiten por dichos recursos, por lo cual los xitos de
uno favorece en mayores recursos para s y ms xitos, en desmedro de la otra parte.

Figura 4.22. Estructura de xito para quien tiene xito


b) Sntoma de Advertencia
Una de las dos actividades, grupos o individuos interrelacionados comienza a andar muy
bien mientras el otro apenas subsiste.

64

c) Principio Administrativo
Busca la meta abarcadora de logro equilibrado de ambas opciones. En algunos casos,
rompe o debilita el eslabonamiento entre ambas, para que no compitan por el mismo
recurso limitado (esto es deseable en casos donde ese eslabonamiento pasa inadvertido
y crea una insaluble competencia por los recursos).
Ejemplos:

Un manager tiene dos protegidos y desea que ambos progresen el la empresa.


Sin embrago, uno empieza a recibir trato preferencial cuando el otro falta una
semana por razones de salud. Cuando el segundo protegido regresa al trabajo, el
manager se siente culpable y elude a esa persona, dando as an ms
oportunidades al primer protegido. El primer protegido, intuyendo cierta
aprobacin, prospera, y as recibe ms oportunidades. El segundo protegido,
sintindose inseguro, realiza una labor menos efectiva y recibe an menos
oportunidades, aunque ambas personas tenan aptitudes similares al comienzo.
Finalmente, el segundo protegido se va de la empresa.

Equilibrio entre la vida familiar y laboral, donde alguien dedica horas excesivas al
trabajo y las relaciones familiares se deterioran, con lo cual se vuelve ms
"doloroso" regresar a casa, lo cual aumenta las posibilidades de seguir
descuidando la vida familiar. Dos productos compiten por recursos financieros y
administrativos limitados dentro de una empresa; uno obtiene un xito inmediato
en el mercado y recibe mayor inversin, lo cual agota los recursos disponibles
para el otro, activando una espiral reforzadora que alimenta el crecimiento del
primero y el abandono del segundo. Un alumno tmido empieza mal en una
escuela (quiz por trastornos emocionales o por un problema de aprendizaje que
no se detect), es calificado de "lento" y recibe cada vez menos aliento y atencin
que sus pares ms avispados.

4.4.8 Tragedia del terreno comn


a) Descripcin y estructura
Los individuos utilizan un recurso comn pero limitado reparando nicamente en las
necesidades individuales. Al principio son recompensados, pero eventualmente hay una
disminucin en las ganancias, lo cual les induce a intensificar los esfuerzos. Al final
agotan o erosionan el recurso.

65

Figura 4.23. Estructura de tragedia del terreno comn


b) Sntoma de Advertencia
"Haba en abundancia para todos. Ahora las cosas estn difciles. Si deseo sacar
provecho este ao, tendr que trabajar ms".
c) Principio Administrativo
Administra el "terreno comn" educando a todos y creando formas de autorregulacin y
presiones de pares, o mediante un mecanismo de regulacin oficial, idealmente diseado
por los participantes.
Ejemplos:

Varias divisiones en una compaa acordaron compartir una fuerza de ventas al


minorista. Cada gerente de distrito tema que la fuerza compartida no prestara
suficiente atencin a su rea y el volumen declinara. Un gerente muy agresivo
aconsej a sus gerentes de cuenta que fijaran objetivos de venta ms elevados de
lo necesario, de modo que los vendedores les dieran al menos el respaldo
mnimo. Las otras divisiones notaron esa presin y decidieron emplear la misma
estrategia. Los gerentes de la nueva fuerza de ventas queran satisfacer a todos
sus "clientes", as que continuaron aceptando los requerimientos de las divisiones.
Esto cre sobrecarga laboral, desempeo inferior e incremento de renuncias.

66

Unirse a esa fuerza de ventas pronto fue tan popular como unirse a la Legin
Extranjera, y cada divisin tuvo que volver a mantener una fuerza de ventas
propia.

Agotamiento de un equipo compartido de secretarias. Deterioro en la reputacin


de servicio despus de que los clientes tuvieron que escuchar a seis vendedores
de seis divisiones de la misma corporacin ofreciendo productos rivales (el
"recurso compartido", en este caso, era la buena reputacin de la empresa). Una
cadena minorista de gran xito desiste de realizar promociones conjuntas de
venta con los fabricantes despus de recibir un diluvio de propuestas de
fabricantes entusiastas, o establece trminos para joint ventures que dejan poca
ganancia para los fabricantes. El agotamiento de un recurso natural cuando varias
compaas lo explotan. Y, desde luego, todos los problemas de contaminacin,
desde la lluvia cida hasta el agotamiento del ozono y el efecto invernculo.

4.4.9 Soluciones rpidas que fallan. Apaguen ese incendio.


a) Descripcin y estructura
Una solucin eficaz en el corto plazo tiene consecuencias de largo plazo imprevistas que
requieren ms uso de la misma solucin. La solucin alivia el problema, sin embargo por
efecto de las consecuencias no buscadas, luego de una demora el problema se agrava.

Figura 4.24. Soluciones rpidas que fallan


b) Sntoma de Advertencia
"Siempre funcion antes. Por qu no funciona ahora?".
c) Principio Administrativo
No descuides el largo plazo. De ser posible no recurras a las soluciones de corto plazo, o
salas slo para ganar tiempo mientras trabajas en un remedio duradero.

67

Ejemplos:

Una compaa manufacturera lanz un nuevo conjunto de componentes de alto


desempeo, que al principio tuvieron gran xito. Sin embargo, el directivo estaba
empeado en reducir sus gastos, as que posterg la adquisicin de nuevas y
costosas mquinas de produccin. La calidad de la manufactura se resinti, lo
cual cre una reputacin de mala calidad. La demanda cay abruptamente al ao
siguiente, lo cual redujo las ganancias y dej al directivo con menos ganas de
invertir en un nuevo equipo de produccin.

Personas y organizaciones que piden prstamos para pagar el intereses de otros


prstamos, con lo cual tendrn que pagar ms intereses ms tarde. Reduccin de
planes de mantenimiento para ahorrar en costos, lo cual conduce eventualmente
a ms fallos y costos ms elevados, creando ms presiones para reducir costos.

4.4.10 Crecimiento y subinversin


a) Descripcin y estructura
Producto de una accin creciente, seda el crecimiento de la demanda lo cual a su vez
provoca un descuido en el desempeo en la atencin o calidad que luego limitar el
propio crecimiento de la demanda, incluso disminuyendo. El crecimiento se aproxima a
un lmite que se puede eliminar o desplazar hacia el futuro si la empresa o individuo
invierte en "capacidad" adicional. Pero la inversin debe ser intensa y rpida para impedir
la reduccin del crecimiento, pues de lo contrario no se har nunca. A menudo las metas
decisivas o las pautas de desempeo se rebajan para justificar la subinversin. Cuando
esto ocurre, hay una profeca autopredictiva donde las metas ms bajas conducen a
expectativas ms bajas, que luego se traducen en un mal desempeo causado por la
subinversin.

Figura 4.25. Crecimiento y subinversin

68

b) Sntoma de Advertencia
"Bien, ramos los mejores, y lo seremos de nuevo, pero ahora tenemos que conservar los
recursos y no invertir en exceso".
c) Principio Administrativo
Si hay un potencial genuino para el crecimiento, construye capacidad anticipndote a la
demanda, como estrategia para generar demanda. Sostn la visin, especialmente en lo
concerniente a la evaluacin de las pautas de desempeo y la capacidad para satisfacer
la demanda potencial.
Ejemplos:

People Express Airlines no pudo construir capacidad de servicio para mantener el


ritmo de la explosiva demanda. En vez de poner ms recursos en la capacitacin
del personal o de crecer ms despacio (por ejemplo, elevando un poco los
precios), la firma trat de superar sus problemas mediante el crecimiento
excesivo. El resultado fue el deterioro de la calidad del servicio y el aumento de la
competencia, mientras la moral decaa. Ante la creciente tensin, la compaa
recurri cada vez ms a la "solucin" de subinvertir en capacidad de servicio,
hasta que los clientes dejaron de volar en People Express.

Compaas que dejan decaer la calidad de los servicios o los productos, culpando
a la competencia o la gerencia de ventas por no empearse en mantener las
ventas. Personas con magnficas visiones que no evalan de modo realista el
tiempo y el esfuerzo que deben dedicar al logro de la visin.

69

CAPITULO V
ESTRUCTURAS ESPECFICAS
Los sistemas dinmicos se desenvuelven bajo estructuras complejas subyacentes a su
comportamiento; entre stas se encuentran las estructuras bsicas, tratado en el captulo
anterior, que permiten identificar sus bucles y relaciones bsicos de dichos sistemas y las
estructuras especficas que permiten detallar aspectos peculiares en los sistemas como
las demoras, la determinacin de secuencia en funcin a las dimensiones de las variables
de flujo y nivel, y la incorporacin de comportamientos y relaciones no lineales.
5.1 RETRASOS
5.1.1 Descripcin y representacin
En los sistemas dinmicos la causa y efecto no son simultneos porque para que se
genere el efecto pasa un lapso de tiempo variable dependiendo de los mismos, este
lapso de tiempo denominado retraso o demora producida en la transmisin de materiales
o de informacin se da a lo largo de los sistemas dinmicos en forma variable. Al
construir el diagrama causal de un sistema se debe considerar que la relacin causal que
liga a dos variables puede implicar la transmisin de informacin o material para la cual
se requiere el transcurso de cierto tiempo; es entonces cuando tiene presencia el retraso.
Para formarse una idea, sobre la situacin de cierto problema es necesario que trascurra
cierto tiempo antes de tomar una decisin, y una vez tomada est, debe transcurrir algn
tiempo hasta que se observen los efectos en la misma o en la fabricacin de un producto
cada sub proceso de fabricacin requiere de un tiempo para ser realizado. Sin embargo,
dado que toda accin en los sistemas requiere ser realizado durante un periodo de
tiempo, es necesario distinguir su inclusin; en la construccin de modelos dinmicos se
debe incluir un retraso cuando el proceso se demora ms que otro para que una accin
llegue a tener efecto. Es decir, cuando lo que entra en una situacin o estado fluye ms
rpido que lo que sale de ella o el, existe una demora; ante lo cual es necesario
representar los estados intermedios que pasa el material o informacin desde la entrada
hasta el efecto. Adems los retrasos son variables en duracin, por lo cual se debe
modelar aquellos que sean significativos en comparacin con las escalas de tiempo del

70

fenmeno, por ejemplo si el procesamiento de la informacin de pedido es de dos


minutos y todo el sistema de venta es de tres das, la magnitud de demora del
procesamiento de la informacin es poco significante respecto a la duracin de todo el
sistema de venta; otro contexto es el horizonte de simulacin que se considera para el
sistema, en el cual se debe considerar la magnitud de retraso de la variable y su impacto
sobre el horizonte de referencia en comparacin del cual la duracin del retraso tambin
debe ser significativo para su inclusin. En la Figura 5.1 se representa la primera
estructura genrica de la demora, en la cual se produce el ingreso por el flujo de entrada
de material o informacin, se acumula en el nivel y luego de un tiempo promedio de
demora sale por medio del flujo de salida segn el orden de llegada.

FLJUO
DE ENTRADA

NIVEL

FLUJO
DE SALIDA

tiempo promedio
de demora

Figura 5.1. Primera estructura genrica de retraso


En la Figura 5.2 se representa la segunda estructura genrica de la demora, en la cual se
produce el ingreso por el flujo de entrada de material o informacin, se acumula en el
nivel y luego de un tiempo promedio de demora sale por medio del flujo de salida sin
considerar el orden de llegada.

FLUJO
DE ENTRADA

NIVEL

FLUJO
DE SALIDA

tiempo promedio
de demora

Figura 5.2. Segunda estructura genrica de retraso

5.1.2 Tipos de retraso


5.1.2.1 Retraso de material
El retraso de material se genera cuando el material o personas en trnsito se detienen
por un periodo de tiempo para su procesamiento, cambio o transformacin. El caso ms

71

simple de demora es un sistema con una variable de nivel, lo que matemticamente es


un sistema de primer orden (donde el nmero de niveles es el orden). Adems se asume
la ausencia de relaciones causales no-lineales, es decir: la traduccin desde causa a
efecto es constante. Adems, si el flujo de entrada es ms rpido que el de salida, las
unidades que entren al nivel se van a detener un cierto tiempo en el acumulador. Este
tiempo de estada o de demora, puede ser una distribucin alrededor de un valor tpico.
En todo caso, cabe preguntarse si estas unidades saldrn en el mismo orden como
entraron o no. De hecho se distingue dos casos: demoras de "pipeline" y demoras de
"mixer".
a) Demoras de pipeline
Considerando el caso de un proceso de produccin con una lnea de ensamblaje, en el
cual los automviles deben pasar por un dispositivo que para el pintado:

Figura 5.3. Ejemplo de demora de pipeline

Hay una determinada cantidad de autos que entren sin pintura, la aplicacin de la pintura
toma un determinado tiempo, y luego salen autos pintados, en exactamente el mismo
orden de entrada. Si se pregunta por la cantidad que sale por periodo de tiempo, la
respuesta depende de la demora y de la cantidad que entr periodos atrs. El siguiente
modelo muestra esta estructura:

72

INGRESO

AUTOS EN
PINTADO

SALIDA

DEMORA DE
PINTADO

Figura 5.4. Modelo de ejemplo de demora de pipeline

b) Demoras de "mixer" de primer orden


No siempre se conserva el orden de llegada para el servicio y la salida. Cuando se trata
de llenar un estanque con el jugo de 100000 uvas, no se puede asegurar (ni importa) que
luego saldr primero el jugo de la primera uva exprimida. La situacin es representada en
la figura siguiente:

Figura 5.5. Ejemplo de demora de tipo mixer de primer orden

En estos casos, es como que los individuos que entran pasan por un "mezclador" que los
reordena aleatoriamente. La estructura tpica de esta situacin en un diagrama de
Forrester es el siguiente:

73

ENTRADA

UVAS EN PROCESO

SALIDA

DEMORA DE PROCESO

Figura 5.6. Estructura de ejemplo de demora de tipo mixer de primer orden

En el modelo, en cada periodo, entra una cierta cantidad de unidades. Tambin sale una
cantidad, que depende de la cantidad del nivel y de la demora: si la demora es 2
(periodos), entonces de cada periodo sale la mitad de lo que haya en NIVEL.
Generalizando: si la demora = d, entonces la salida = NIVEL * (1/d).

c) Demoras de "mixer" de segundo orden


Algo similar pasa con los pasajeros de los diversos medios de transporte o con los
compradores en una tienda. Solamente que ahora no es una mixtura perfecta; ms bien,
se desordena un poco. Puede ser que algunos pasajeros suben antes pero hacen un
viaje ms largo, entonces bajan despus. La siguiente figura lo presenta:

Figura 5.7. Ejemplo de demora de tipo mixer de segundo orden

Los casos de mixtura imperfecta corresponden a estructuras un poco ms complejas. La


ms simple de ellas es la "demora material de segundo orden", cuya estructura es:

74

EN DEMORA

TRASPASO

ENTRADA

ESTADO 1

DEMORA 1

SALIDA

ESTADO 2

DEMORA 2

Figura 5.8. Modelo de demora de tipo mixer de segundo orden

El modelo propone dos niveles (por tanto de "segundo orden") y dos demoras parciales y
la cantidad total de unidades en la demora se calcula sumando los dos niveles.
5.1.2.2 Retraso de informacin
Se produce cuando se conserva y almacena informacin del sistema antes de proceder a
tomar una decisin. Los retrasos de informacin representan un mecanismo de filtro
capaz de alisar los picos que presenta la evolucin de una variable teniendo un valor
promedio de la misma como referencia. En este proceso la informacin ms reciente
influye en el promedio de forma ms significativa que la antigua. El empleo de filtros
alisadores se justifica por el hecho de que la informacin empleada para la toma de
decisiones contiene errores, comportamientos individuales, periodos no uniformes,
intermitencias, etc. El filtrado reduce el ruido de alta frecuencia e introduce un retraso tal
que, en la medida que disminuya el ruido, aumentar el retraso.
Para ejemplificar, asumamos la siguiente situacin: se dispone de los valores de la
demanda por un producto "X" sobre los ltimos 23 das. Ahora se trata de decir cul es la
expectativa para el futuro. Visiblemente, los pasados tres das han sido de una calma que
no se ha observado en los 20 das previos. Significa algo? Estara dispuesto a apostar
una cantidad de dinero a que esta estabilidad se va a mantener en los prximos das? O
es preferible esperar unos das ms antes de estabilizar su expectativa?
Este es el dilema de la formacin de expectativas: si se forma muy rpidamente, se acta
tempranamente pero se tiene alta probabilidad de equivocarse; si se espera se tiene
mejor probabilidad de no equivocarse, pero se actuar ms tarde. Si se ha participado en
el "juego de la cerveza", entonces probablemente recordar esta sensacin incmoda.
La estructura correspondiente de esta situacin es:

75

PERCEPCIN

TIEMPO DE
AJUSTE

NIVEL
PERCIBIDO

DIFERENCIA

NIVEL
DESEADO

Figura 5.9. Modelo de demora de informacin de primer orden

Siendo la estructura un bucle de realimentacin negativa, se hace una comparacin entre


dos valores acerca de la cantidad de algo: NIVEL PERCIBIDO se compara con el NIVEL
DESEADO, y en caso de diferencia se corrige la percepcin.
5.1.3 La demora causa oscilacin
Las demoras son responsables de las oscilaciones en ciertos modelos. Por retardar los
efectos sobre ciertas variables, sus comportamientos van mostrando pequeos valores
en un inicio y estos van incrementndose paulatinamente. Sin embargo, la oscilacin va
depender del orden de la estructura de demora considerada.
5.2 CADENAS Y COFLUJOS
En varios sistemas el recurso modelado pasa por una serie de etapas en su
transformacin. La representacin del trnsito del recurso (materias, personas,
informacin, entre otros) implica la consideracin del tiempo de detencin del recurso y
de las unidades de medida del mismo.
5.1.1 Cadenas
Son modelos que representan el trnsito del recurso en forma secuencial, durante los
cuales la cuantificacin del recurso se mantiene bajo las mismas unidades; por lo cual, en
el modelo de Forrester, esta secuencia de pasos debe ser representada por variables de
flujo y de nivel relacionados directamente por flujos de material. En esta secuencia de
relaciones, las variables de nivel representan la detencin del recurso, medibles todas en

76

las mismas unidades y las variables de flujo sern medidas en las unidades de los niveles
en funcin del tiempo.
5.1.1.1 Representacin
Una cadena es ad hoc al sistema bajo estudio. El recurso transita por cada etapa
representado por los flujos y la detencin por los niveles hasta la salida del proceso total
en funcin de los tiempos en cada etapa. La caracterstica principal es que el recurso a
pesar de tener transformacin en comparacin al ingreso, no cambia de unidad de
medida, por lo cual cada flujo de entrada o salida tiene relacin directa con sus niveles
respectivos puesto que se trata del mismo recurso en la misma dimensin. En la figura
5.10 se representa una cadena con tres niveles en los cuales el material se detiene de
acuerdo a sus respectivos tiempos de detencin, adems los flujos de entrada actan
sobre los niveles en funcin de la cantidad de recursos detenidos. Adems, la cantidad
total de recurso en trnsito es una variable auxiliar y no de nivel, porque ya est
expresado en los tres niveles respectivos.
TOTAL DEL RECURSO
EN TRANSITO

INGRESO

NIVEL 1

PRIMER
PROCESO

TIEMPO DE
RETENCIN 1

NIVEL 2

SEGUNDO
PROCESO

TIEMPO DE
RETENCIN 2

NIVEL 3

SALIDA

TIEMPO DE
RETENCIN 3

Figura 5.10. Modelo de cadena

5.1.1.2 Aplicacin
Caso: Incorporacin de trabajadores en un banco
El Banco del Per tiene un procedimiento para la incorporacin de nuevo personal. El
proceso se inicia con la convocatoria pblica por medio de los medios de comunicacin el
cual tiene una duracin de una semana en promedio; una vez recibido los expedientes de
los interesados, se procede a su evaluacin la cual dura tres das en promedio. Se
comunica a los postulantes seleccionados para que rindan el examen de conocimientos,
toda esta etapa abarca dos das. Quienes aprueban el examen de conocimientos pasan a

77

la entrevista personal durante dos das. Aquellos que pasaron aprobatoriamente la


entrevista son contratados para laborar en el banco.

Postulantes

Evalauacion
docs

Aprobados
en docs

Aprobados
en examen

Examen

Entrevista

Aprobados en
entrevistas

Convocatoria
Desaprob
entrevista

Desaprob
examen

Desaprobacin
docs

Contratacin
FD Eval
conv

FD exam

FD Eval
docs

Tasa aprobacin
docs

Tasa aprobacin
entrevista

Tasa aprobacin
examen

Figura 5.11. Modelo de incorporacin de trabajadores en un banco

El comportamiento de los aprobados en la evaluacin de documentos crece hasta un


valor y luego disminuye puesto que quienes aprueban pasan al examen, los valores
mximos de ambas difieren porque una cantidad que son evaluados no aprueban por
tanto no pasan al examen. Ambas variables llegan a cero porque todos continan con la
siguiente etapa o son excluidos del proceso, nadie se queda en un proceso en forma
permanente.

1: Aprobados en docs
1:
2:

70
50

1:
2:

35
25

1:
2:

0
0

Page 2

1
1.00

2: Aprobados en examen

1
15.75

1
30.50
Time

1
2
45.25
60.00
18:48 mi, 02 de ene de 2008

Untitled

Figura 5.12. Comportamiento de modelo de incorporacin de trabajadores en un banco

78

Las ecuaciones del modelo en el software Stella son las siguientes:

5.1.2 Coflujos
En un modelo dinmico se debe tener que distinguir los recursos empleados evitando
mezclarlos sin los ajustes adecuados y ponderados. La omisin de este aspecto puede
generar errores en el modelo y su correspondiente simulacin. Se representa todas las

79

entidades distinguidas en un modelo en trminos de unidades. Esto hace alusin a tres


aspectos importantes:

Lo percibido son partes del mundo material, cosas, an si alguna vez son difcil o
imposible de observar directamente

Las cosas son de diferente naturaleza y se miden con unidades de medida


diferentes

Las cosas no aparecen o desaparecen en el universo por magia: toda materia se


conserva.

Es as que las nubes de los diagramas de flujo y nivel adquieren su importancia:


reconociendo que lo tomado en cuenta en un modelo, existe antes y existir despus.
Los modelos deben respectar las restricciones que impone el universo a las cosas.
Esto es importante para los modelos de sistemas sociales tales empresas y
organizaciones.

La empresa es una institucin social que transforma recursos en

productos y servicios. Y en cierto sentido, es verdad: una fbrica de muebles absorbe


madera y otros materiales y entrega mesas y sillas, por ejemplo. Entonces un modelo
acerca de esta fabrica deber representar por separado la madera, las piezas y los
diferentes tipos de muebles.
Estudiemos una empresa ejemplar, muy simplificada por cierto: en esta empresa,
solamente se compra madera, fabrica mesas y las vende:
MESAS

MADERA

COMPRA

FABRICA

VENDE

Figura 5.13. Modelo equivocado del circuito de un "recurso"

En el modelo se representa que se compra madera, luego se fabrican las mesas y se


venden. Qu tendra de malo? Para descubrirlo, definamos las unidades de medida. La
madera se mide en metros cbicos, las mesas se miden en piezas. El proceso de
fabricacin consume madera para hacer mesas, usa una cantidad de metros cbicos de
madera para crear una pieza (mesa):

80

Noname 8

COMPRA

MADERA

CANTIDAD
DE MADERA
POR MESA

USO

FABRICA

MESAS

VENDE

Figura 5.14. Modelo de co-flujo de un recurso que cambia de unidades

El modelo diferencia cada etapa del proceso y la transformacin del recurso y su unidad
de medida, reconociendo que madera y mesas no se pueden amalgamar en una cadena.
Sin embargo, sus cambios ocurren de manera coordinada. Cuando hay demanda, la
empresa decide fabricar; ello significa usar una cierta cantidad de metros cbicos de la
madera almacenada. As es que el flujo SO se determina en funcin (usando
informacin acerca) de la cantidad por fabricar y la CANTIDADDE MADERA POR
MESA (metros cbicos/pieza).
En el ejemplo, tambin se determina la COMPRA de madera con la misma lgica;
adems, se asume que la VENTA sigue a la fabricacin de modo automtico (con una
demora); ello es coherente con la idea de fabricar sobre pedido, y mantiene los costos de
bodegaje de productos finales a un nivel bajo.
Esto es lo que se denomidna co-flujo: flujos diferentes, pero coordinados. Las unidades
de medida de un modelo de flujo y nivel, deben ser coherentes entre las variables y no
deben contradecir al sentido comn. La bsqueda de cumplimiento de esta regla, nos
conduce regularmente a representar como co-flujos los recursos que se miden en
unidades diferentes.

81

5.3 NO-LINEALIDADES
Se habla de relaciones causales no lineales cuando la reaccin de una variable a un
cambio en la otra, es diferente segn el valor de esta otra variable. Por ejemplo, cuando
una empresa disminuye su precio en 5% lo cual conlleva a incrementar sus unidades
vendidas en 10%, y ante una disminucin del precio en 10% las ventas suben 20%, bajo
este comportamiento lineal de las ventas de unidades ante la variacin del precio lleva a
asumir que cualquier disminucin del precio conllevar a doblar las ventas de unidades.
Si bien la regla de fijacin del precio involucra una operacin de divisin, ello no produce
una conducta compleja, ya que la regla misma no es no-lineal. Segn el conocimiento
real no se puede bajar el precio en forma constante puesto que no se puede vender por
debajo del costo, adems que el mercado tiene un tamao, ms all del cual no
comprar. Por lo tanto, la regla sugerida no es realista. Ms bien, se debe formular una
donde la recin mencionada restriccin se respete: el precio puede ser disminuido
cuando este es alto, pero ser progresivamente la disminucin ser menos hasta ser
similar al precio de la competencia.
Otro ejemplo se puede apreciar en el comportamiento poblacional, en una poblacin de
ballenas cuando la poblacin es pequea en comparacin a los recursos disponibles sta
crece cada vez ms, siendo su crecimiento restringido por las muertes naturales y las
muertes por pesca, sin embargo es ms su crecimiento por nacimientos que por muertes
por la abundancia de recursos. Sin embargo a medida que la poblacin de ballenas
crece, consume ms recursos lo cual repercute en su disponibilidad provocando escasez
y por tanto incremento de muertes; estos efectos se dan en magnitudes diferentes, no en
proporciones iguale por lo cual se debe representar de tal manera.
Evidentemente, esto es ms difcil de captar en una frmula que se asemeje a una
funcin matemtica. Adems, muchas veces esta conducta no-lineal se debe representar
para variables blandas, para las cuales no hay registros histricos que permitan un
tratamiento estadstico. Los software que se usan para diagramar, cuantificar y simular,
modelos dinmicos incorporan una herramienta para especificar la conducta no-lineal a
travs de un panel grfico o de tabulacin. A continuacin, presentamos esto para el
caso de la poblacin de ballenas en el software Stella, en forma anloga se puede aplicar
en los dems software equivalentes.
La estructura bsica muestra el nivel de poblacin de ballenas y sus respectivos flujos de
nacimientos y muertes, distinguiendo dos tipos de muertes, naturales y por pesca. Los
nacimientos se dan de forma ni lineal en funcin de datos recopilados que se muestran
en la figura 5.17, en el cual se aprecia muestran un crecimiento exponencial inicial pero

82

que luego se estabiliza, esta estabilidad que alcanza se debe a la disponibilidad de


recursos.
CANTIDAD DE MUERTES
~

NACIMIENTOS

BALLENAS

MUERTES
NATURALES

~
CANTIDAD DE
NACIMIENTOS

MUERTES
POR PESCA

CANTIDAD
MUERTES
POR PESCA

Figura 5.15. Modelo de poblacin de ballenas

Dado el modelo y los datos obtenidos sobre la poblacin y los nacimientos, se procede a
ingresar en el software. En la figura 5.16 se muestra el primer paso, en el cual se
relaciona la cantidad de nacimientos (variable no lineal) con poblacin y se selecciona
To Graphical Function. Lamentablemente, no hay un nombre nico para esta funcin: se
usan nombres como funcin grfica, funcin de tabla, tabla o lookup (aproximadamente
lista de referencia). Sin embargo, siempre se trata de usar un panel para graficar en
funcin de las coordenadas X e Y, siendo la entrada X y los valores de salida Y, en este
caso Ballenas es X y Cantidad de Nacimientos es Y.
El segundo paso consiste en el ingreso de los datos, para lo cual es necesario establecer
la escala de la variable de entrada (Ballenas) y el nmero de datos que de sta se
ingresar (Data Points), se ha considerado la escala de 0 a 5000 con 11 datos de
entrada, por lo tanto se tienen valores para Ballenas de 0, 500, 1000, 1500, 2000, 2500,
3000, 3500, 4000, 4500 y 5000.

83

Figura 5.16. Funcin grfica en Stella - Paso 1

Los datos para la Cantidad de Nacimientos se pueden ingresar en forma tabular o en


sobre el grfico, sin embargo esta segunda forma no permite la precisin requerida. En la
figura 5.17 se muestran los datos ingresados y el comportamiento grfico de esta variable
no lineal.

Figura 5.17. Funcin grfica en Stella - Paso 2

84

En forma anloga sea ha procedido para la otra variable no lineal, Cantidad de Muertes,
que tambin est en funcin de la variable Ballenas.

Figura 5.18. Funcin grfica en Stella - Paso 1 de Cantidad de Muertes

Figura 5.19. Funcin grfica en Stella - Paso 2 de Cantidad de Muertes

85

El comportamiento del modelo se presentan en las figuras 5.20 y 5.21. La poblacin de


ballenas muestra que durante cierto periodo de tiempo crece debido a la mayor cantidad
de nacimientos sobre las muertes hasta el punto de inflexin, y a partir de ello las
muertes toman mayores valores limitando el crecimiento de la poblacin y luego
estabilizndola.

1: BALLENAS
1:

4000.00

1
1:

2000.00

1
1
1:

0.00

0.00

20.00

40.00
Time

Page 1

60.00
80.00
19:57 dom, 21 de jun de 2009

Untitled

Figura 5.20. Comportamiento de la poblacin de ballenas

1: MUERTES NATURALES
1:
2:
3:

2: MUERTES POR PESCA

3: NACIMIENTOS

300.00
110.00
400.00

2
3
2

1:
2:
3:

150.00
60.00
200.00

3
1

2
3
1:
2:
3:
Page 2

0.00
10.00
0.00

1
0.00

1
20.00

40.00
Time

60.00
80.00
20:17 dom, 21 de jun de 2009

Untitled

Figura 5.21. Comportamiento de los nacimientos y muertes de ballenas

86

Ecuaciones del modelo poblacional de ballenas considerando no linealidad:

87

BIBLIOGRAFA

ARACIL, Javier. Introduccin a la Dinmica de Sistemas. Alianza Editorial S.A.


Madrid, 1978.
DREW, Ronald. Dinmica de sistemas aplicada.Grficas Marte S.S. Madrid, 1995
GARCIA, Juan Martn. Teora y Ejercicios Prcticos de Dinmica de Sistemas.
Barcelona, 2006
RADZICKI, Michael. Introduction to System Dynamics. Foundations of System
Dynamics Modeling. USA, 1997
ROBERTS, Nancy, ANDERSEN, David, y otros. Introduction to computer
simulation: The system dynamics approach. Addison-Wesley Publishing Company.
Massachusetts, 1982
SENGE, Peter. La Quinta Disciplina. Buenos Aires. Ediciones Granica S.A. Buenos
Aires, 1998

88