ARTICULO PARA SESIÓN 12
(14 de diciembre de 2011)
Calentamiento Global: Modelando el Transporte de Leche
El calentamiento global es un problema muy crítico que enfrenta la humanidad. Tiene muchos
causas, por supuesto, pero la mayoría de nosotros hemos escuchado sólo unos pocos de ellos. Emisiones de los automóviles, la quema de combustibles fósiles, los diseños de los pobres de construcción, etc .. Uno de los menos, trágico es el transporte de mercancías y alimentos en todo el mundo: "... el comercio, relacionado con el transporte es una de las fuentes más rápidas de crecimiento de las emisiones de gases de efecto invernadero. Pero debido a que las emisiones resultantes de transporte aéreo internacional y el transporte marítimo no están incluidos en los inventarios nacionales no hay ningún incentivo para que se reduzca.
Al modelar algunos puntos clave y los aspectos del cambio global, con esta precisión
de datos y el uso exacto de la lógica, podemos obtener una mejor visión de cómo los seres humanos son contaminantes de la Tierra de manera que no sería posible sin la alucinante
velocidad y la eficiencia de un ordenador.
La construcción de un modelo que incluyera el transporte de comida en general sería muy grande y complicado de acuerdo a los autores, por lo que para simplificar el proceso, se decidió utilizar sólo el transporte de leche, líquida o en polvo, como la variable que está modelando. Debido a que el modelo es una reflexión basada en la interacción entre los seres humanos y la naturaleza, un componente de población fue la primera cosa que se diseñó. Para mantenerlo simple y llanamente para sólo tiene una población plana - 300 millones de personas. No hay nacimientos, ni muertes.
El artículo completo, así como los diagramas y el desarrollo del modelo completo se puede descargar del siguiente link: http://www.ccmodelingsystems.com/publications/StudentModelsPapers_wVideo/4.TransportMilk%2809%29/TransportMilk%28Li%29Paper.pdf
ARTICULO PARA SESIÓN 11
(7 de diciembre de 2011)
Simulación de escenarios de demanda de suelo urbano en ámbitos metropolitanos
La generación y simulación de escenarios exploratorios externos es un instrumento útil en los
procesos de planificación y toma de decisiones, de especial relevancia en el ámbito territorial y metropolitano.
En este artículo se presenta un modelo basado en Dinámica de Sistemas para estimar las
demandas de nuevo suelo urbano en ámbitos metropolitanos. El modelo se ha desarrollado
concretamente para dos ámbitos metropolitanos españoles (Región Urbana de Madrid y Aglomeración Urbana de Granada) para los cuales se ha realizado un proceso de calibración
individual. Una vez calibrado el modelo para dichos ámbitos, y a través del planteamiento de tres escenarios futuros, se han simulado las posibles tendencias de las demandas de ocupación urbana que podrían derivarse de las premisas establecidas en cada escenario, con unos resultados satisfactorios. Dichos resultados podrán ser empleados en otros trabajos que permitirán localizar espacialmente, mediante modelos de simulación espacial, las demandas estimadas, para mostrar y evaluar posibles consecuencias espaciales y territoriales de los procesos de crecimiento metropolitano.
Algunas de las herramientas más importantes que pueden emplearse para la concreción de
instrumentos como los escenarios futuros son, entre otras, la Dinámica de Sistemas (DS) y los Sistemas de Información Geográfica (SIG). En primer lugar los SIG, de acuerdo con su elevada capacidad de análisis y de integración diversas fuentes de información geográfica, proporcionan un soporte amplio para el diseño y aplicación de modelos de localización óptima, o los modelos de simulación espacial de la expansión urbana, en el que la componente espacial de la información geográfica es
fundamental. Sin embargo, uno de los principales hándicap que presentan los SIG en este campo lo constituye la inherente dificultad para el tratamiento de la cuestión temporal.
La dinámica de sistemas por su parte, sin una preocupación expresa por el tratamiento de las
cuestiones espaciales, se presenta como un instrumento útil para el estudio del comportamiento de sistemas complejos a partir de la identificación de las relaciones entre la estructura del sistema, su comportamiento, y la determinación de los valores que las variables adoptan, a lo largo del tiempo. No en vano, algunas de las primeras aplicaciones de la DS fueron en el campo de los sistemas urbanos.
El artículo completo puede ser visualizado en el siguiente link: http://upcommons.upc.edu/revistes/bitstream/2099/8535/1/aguilera.pdf
ARTICULO PARA SESIÓN 10
(30 de noviembre de 2011)
(14 de diciembre de 2011)
Calentamiento Global: Modelando el Transporte de Leche
El calentamiento global es un problema muy crítico que enfrenta la humanidad. Tiene muchos
causas, por supuesto, pero la mayoría de nosotros hemos escuchado sólo unos pocos de ellos. Emisiones de los automóviles, la quema de combustibles fósiles, los diseños de los pobres de construcción, etc .. Uno de los menos, trágico es el transporte de mercancías y alimentos en todo el mundo: "... el comercio, relacionado con el transporte es una de las fuentes más rápidas de crecimiento de las emisiones de gases de efecto invernadero. Pero debido a que las emisiones resultantes de transporte aéreo internacional y el transporte marítimo no están incluidos en los inventarios nacionales no hay ningún incentivo para que se reduzca.
Al modelar algunos puntos clave y los aspectos del cambio global, con esta precisión
de datos y el uso exacto de la lógica, podemos obtener una mejor visión de cómo los seres humanos son contaminantes de la Tierra de manera que no sería posible sin la alucinante
velocidad y la eficiencia de un ordenador.
La construcción de un modelo que incluyera el transporte de comida en general sería muy grande y complicado de acuerdo a los autores, por lo que para simplificar el proceso, se decidió utilizar sólo el transporte de leche, líquida o en polvo, como la variable que está modelando. Debido a que el modelo es una reflexión basada en la interacción entre los seres humanos y la naturaleza, un componente de población fue la primera cosa que se diseñó. Para mantenerlo simple y llanamente para sólo tiene una población plana - 300 millones de personas. No hay nacimientos, ni muertes.
El artículo completo, así como los diagramas y el desarrollo del modelo completo se puede descargar del siguiente link: http://www.ccmodelingsystems.com/publications/StudentModelsPapers_wVideo/4.TransportMilk%2809%29/TransportMilk%28Li%29Paper.pdf
ARTICULO PARA SESIÓN 11
(7 de diciembre de 2011)
Simulación de escenarios de demanda de suelo urbano en ámbitos metropolitanos
La generación y simulación de escenarios exploratorios externos es un instrumento útil en los
procesos de planificación y toma de decisiones, de especial relevancia en el ámbito territorial y metropolitano.
En este artículo se presenta un modelo basado en Dinámica de Sistemas para estimar las
demandas de nuevo suelo urbano en ámbitos metropolitanos. El modelo se ha desarrollado
concretamente para dos ámbitos metropolitanos españoles (Región Urbana de Madrid y Aglomeración Urbana de Granada) para los cuales se ha realizado un proceso de calibración
individual. Una vez calibrado el modelo para dichos ámbitos, y a través del planteamiento de tres escenarios futuros, se han simulado las posibles tendencias de las demandas de ocupación urbana que podrían derivarse de las premisas establecidas en cada escenario, con unos resultados satisfactorios. Dichos resultados podrán ser empleados en otros trabajos que permitirán localizar espacialmente, mediante modelos de simulación espacial, las demandas estimadas, para mostrar y evaluar posibles consecuencias espaciales y territoriales de los procesos de crecimiento metropolitano.
Algunas de las herramientas más importantes que pueden emplearse para la concreción de
instrumentos como los escenarios futuros son, entre otras, la Dinámica de Sistemas (DS) y los Sistemas de Información Geográfica (SIG). En primer lugar los SIG, de acuerdo con su elevada capacidad de análisis y de integración diversas fuentes de información geográfica, proporcionan un soporte amplio para el diseño y aplicación de modelos de localización óptima, o los modelos de simulación espacial de la expansión urbana, en el que la componente espacial de la información geográfica es
fundamental. Sin embargo, uno de los principales hándicap que presentan los SIG en este campo lo constituye la inherente dificultad para el tratamiento de la cuestión temporal.
La dinámica de sistemas por su parte, sin una preocupación expresa por el tratamiento de las
cuestiones espaciales, se presenta como un instrumento útil para el estudio del comportamiento de sistemas complejos a partir de la identificación de las relaciones entre la estructura del sistema, su comportamiento, y la determinación de los valores que las variables adoptan, a lo largo del tiempo. No en vano, algunas de las primeras aplicaciones de la DS fueron en el campo de los sistemas urbanos.
El artículo completo puede ser visualizado en el siguiente link: http://upcommons.upc.edu/revistes/bitstream/2099/8535/1/aguilera.pdf
ARTICULO PARA SESIÓN 10
(30 de noviembre de 2011)
Los fabricantes de
automóviles pueden hacer frente a la creciente demanda de vehículos híbridos /
gasolina - eléctricos?
Para la realización de este artículo se usa la
simulación en Dinámica de Sistemas para mejorar la comprensión de varios
factores que afectan las ventas y la adopción de automóviles híbridos /
gasolina - eléctricos. Los consumidores tienen razones más convincentes que
nunca antes - altos precios del petróleo, las preocupaciones ambientales, los
problemas de seguridad -- para comprar vehículos híbridos. En este artículo se evalúa si los fabricantes
de automóviles serán capaces de hacer frente a la creciente demanda.
El uso continuado de
productos derivados del petróleo, como gasolina, combustible para las economías
del mundo ya está impactando a muchos aspectos de la vida, tanto en los Estados
Unidos y alrededor del mundo. Si bien estos productos se utilizan en una variedad
de formas - la producción de electricidad, la calefacción de edificios,
fabricación de plasticos, etc - la mayor parte del uso de productos derivados
del petróleo puede ser atribuida al transporte y, más concretamente, los
automóviles y camiones.
Por lo tanto, muchos
creen que una reducción en el uso de gasolina en el transporte sería muy
beneficioso. Y, como tal, muchos grupos han propuesto diversas medidas y
métodos para hacer esto una realidad. En 1997, la Toyota Motor Corporation
presentó el Prius en el mercado japonés y más tarde, en 2001, en el mercado
mundial.
El Prius se
diferencia de otros vehículos, en que
usa de una transmisión híbrida,
gasolina-eléctrica, lo que, a través del uso de un motor eléctrico, un motor de gasolina más eficiente y software
sofisticado, logró reducir el consumo de gasolina considerablemente. Un mayor
desarrollo de la tecnología híbrida ha mejorado la eficiencia de combustible y
la reducción de emisiones aún mayor. Y
más fabricantes de automóviles han introducido vehículos con este tipo de
transmisión para el público.
Todos estos factores
proporcionan una fuerte motivación de los consumidores a comprar vehículos
híbridos de gasolina - eléctricos. Hasta la fecha, miles de vehículos híbridos
se han vendido por varios fabricantes, con una creciente tasa de adopción y las
proyecciones ponen a las ventas en una trayectoria de crecimiento cada vez
mayor.
Pero a medida que la
demanda de estos vehículos ha crecido, los fabricantes han experimentado
dificultades en mantenerse al día con la demanda, lo que limita su capacidad
para penetrar en el mercado. Los vehículos híbridos tienden a ser más caros que
sus homólogos de gasolina tradicional solamente, que también puede afectar a su
habilidad para convertirse en tecnología dominante.
El artículo completo se encuentra en el siguiente link: Hybrid Gasoline-Electric Vehicles
ARTICULO PARA SESIÓN 9
(23 de noviembre de 2011)
Una aproximación a
los indicadores de gestión a través de dinámica de sistemas
El tema de los
indicadores de gestión se ha venido convirtiendo en prioritario dentro del
ámbito de las organizaciones. Las aproximaciones al tema van desde lo meramente
instrumental hasta la inclusión de los indicadores como parte del tema
estratégico. Una de las metodologías que liga los indicadores con el ejercicio
estratégico es la de Cuadro de Mando Integral (Balanced Scorecard) que sugiere
enlazar los indicadores con los objetivos estratégicos a través de relaciones
causales. En este artículo se muestra, a través de un modelo de ejemplo, la
potencialidad de la Dinámica de Sistemas como herramienta para establecer las
relaciones causales entre indicadores, verificar la validez de las hipótesis
subyacentes a dichas relaciones y mostrar la necesidad de establecer
transacciones entre el logro de los objetivos asociados a diferentes
indicadores.
La necesidad de los
gerentes de tener acceso a información confiable y significativa, que brinde
soporte a la toma decisiones, ha venido dando cada vez mayor relevancia al tema
de los indicadores de gestión. Dicha relevancia se ve reflejada en la creciente
literatura disponible sobre el tema, parte de la cual esta dedicada a la parte
meramente instrumental de construcción de los indicadores o a su aplicación a
un tema organizacional específico como el de la cadena de suministro, mientras
que es cada vez mayor la literatura que incluye los indicadores como parte del
ejercicio estratégico considerando diversas perspectivas, ligando perspectivas
y estrategia o mostrando metodologías o casos de aplicación dentro del
ejercicio estratégico empresarial. La metodología de Cuadro de Mando Integral
propuesta por propone establecer varias perspectivas desde las cuales se des
arrollen los indicadores (finanzas, cliente, procesos internos, aprendizaje y
crecimiento) como parte del despliegue de los objetivos estratégicos; esto
implica establecer relaciones causales entre los diversos indicadores con el
fin de hacer explícita la forma en que el logro de cada uno de ellos contribuye
al logro de dichos objetivos.
La dinámica de
sistemas emplea la simbología para
describir las relaciones causa-efecto entre las variables. Las variables de
nivel son aquellas susceptibles de acumulación, es decir, aquellas que pueden
actuar como un “tanque”. Dentro de esta categoría se encuentran variables como
inventarios, población, base de clientes, número de empleados y todas las
variables financieras incluidas en un balance. Estas son variables que se
expresan en unidades (kilogramos, personas, clientes, empleados, pesos). Las
variables de nivel caracterizan el estado de un sistema y, por lo tanto, son
las más frecuentemente utilizadas para la elaboración de indicadores que sirvan
como soporte a la toma de decisiones. Son variables asociadas a lo que Kaplan y
Norton (2000) denominan “resultados” o “indicadores históricos”. Las variables
de flujo son aquellas que constituyen corrientes de entrada a, o de salida de,
los “tanques”. Ejemplos de este tipo de variables son, producción y despachos,
nacimientos y muertes, nuevos clientes y clientes que se pierden,
contrataciones y retiros, ingresos y egresos. Estas son variables que se
expresan en unidades por unidad de tiempo y están asociadas a lo que Kaplan y
Norton (2000) denominan como “inductores de actuación” o “indicadores
previsionales”.
Adicionalmente, la
dinámica de sistemas hace uso de “variables auxiliares” o “intermedias” que
explican el comportamiento de las variables de flujo. Estas variables son
funciones de las variables de nivel y de constantes o variables exógenas.
En el artículo que
se puede visualizar en el siguiente link, se pueden revisar los detalles de los
diagramas, la estructura del modelo así como el comportamiento de los
indicadores relevantes:
ARTICULO PARA SESIÓN 8
(16 de noviembre de 2011)
Modelo de simulación
de gestión de residuos sólidos domiciliarios en la Región Metropolitana de Chile
En este artículo se
presenta un modelo que permite simular el impacto de un plan de gestión de para
el manejo de los residuos sólidos domiciliarios en la región metropolitana de
Chile. El modelo fue construido utilizando dinámica de sistemas y programado en
Powersim®. El modelo integra los diversos componentes participantes, tales
como: población, condición socioeconómica, recolección de residuos, vertederos
ilegales de residuos, estaciones de transferencias y rellenos sanitarios. Se
concluye que una campaña informativa y funcional, la cual aumenta los residuos
reciclados, tiene una incidencia significativa en la cantidad de residuos en
los rellenos sanitarios y en los costos asociados a la producción, recolección
y disposición de los residuos sólidos domiciliarios en la región metropolitana
de Chile.
Chile, al igual que
todos los países que presentan un acelerado proceso de desarrollo, concentra un
alto volumen de su población en áreas urbanas consolidadas.
Actualmente la
región metropolitana reúne al 40 % de la población nacional, con cerca de 6
millones de habitantes (CONAMA, 2004). Estos habitantes demandan de la ciudad,
infraestructura y servicios, los que generalmente no crecen al ritmo que lo
hacen estos requerimientos (CONAMA, 1997).
El proceso de
desarrollo urbano implica crecimiento poblacional, cambios en patrones de
consumo e incremento en el ingreso, siendo éstos, los principales factores que
explican el aumento en la generación de residuos sólidos domiciliarios (CONAMA,
1999)
La gestión de los
residuos sólidos domiciliarios ha sido abordada en variadas oportunidades por
la opinión pública, la prensa, el gobierno, la comunidad entre otros. Sin
embargo, sólo han desarrollado planes desde una óptica medioambiental, no
sustentable desde el punto de vista económico(CONAMA, 1997).
En este contexto, se
presenta un modelo de simulación dinámica que permite evaluar distintos
escenarios, cuantificando el impacto de planes de gestión que apunten a mejorar
el sistema actual.
Link al artículo
completo:
(9 de noviembre de 2011)
Modelación y simulación computacional usando sistemas de información geográfica con dinámica de sistemas aplicados a fenómenos epidemiológicos.
En este artículo se
presentan avances del proyecto de investigación modelación y simulación
computacional usando sistemas de información geográfica (SIG) con dinámicas de
sistemas aplicados a fenómenos epidemiológicos con el cual se han abordado los
principales modelos matemáticos usados en epidemiología
(susceptible-infectado-recuperado: SIR,
susceptible-infectado-recuperado-susceptible: SIRS,
susceptible-infectado-susceptible: SIS), para su integración, espacialización y
simulación usando diferentes técnicas computacionales con el fin de modelar
factores críticos en la propagación de epidemias. Para recorrer el modelo, se
tomaron los datos de una epidemia de asma en el distrito de Manhattan de Nueva
York.
El trabajo descrito
en el artículo fue desarrollado en una universidad de Colombia, donde de
acuerdo a lo que se menciona en el texto, actualmente no se poseen herramientas
de carácter tecnológico basados en dinámicas de propagación de frentes de
epidemias que permitan abordar, visualizar y contrarrestar con eficacia y
eficiencia su propagación. En el proyecto que se describe, se propone la
integración de diferentes modelos computacionales basados en herramientas de
dinámica de sistemas de información geográfica con los cuales se puedan
simular, la complejidad y multivariedad de los aspectos involucrados en estos
fenómenos.
El artículo completo se encuentra en la siguiente dirección electrónica:
ARTICULO PARA SESIÓN 6
(26 de octubre de 2011)
(26 de octubre de 2011)
Modelación con
Dinámica de Sistemas y SIG
En este artículo se
presenta un modelo basado en dinámica de Sistemas para estimar las demanda de
nuevo suelo urbano en ámbitos metropolitanos. El modelo se ha desarrollado
concretamente para dos ámbitos metropolitanos españoles para los cuales se ha
realizado un proceso de calibración individual.
La generación y
simulación de escenarios exploratorios externos es un instrumento útil en los
procesos de planificación y toma de decisiones de especial relevancia en el
ámbito territorial y metropolitano.
Algunas de las
herramientas más importantes que pueden emplearse para la concreción de
instrumentos como los escenarios futuros son, entre otras, la Dinámica deSistemas (DS) y los Sistemas de Información Geográfica (SIG). En primer lugar
los SIG, de acuerdo con su elevada capacidad de análisis y de integración de
diversas fuentes de información geográfica, proporcionan un soporte amplio para
el diseño y aplicación de modelos de localización óptima, o los modelos de
simulación espacial de la expansión urbana, en el que la componente espacial de
la información geográfica es fundamental. Sin embargo uno de los principales
inconvenientes que presentan los SIG en este campo lo constituye la inherente
dificultad para el tratamiento de la cuestión temporal.
La Dinámica de
sistemas por su parte, sin una preocupación expresa por el tratamiento de las
cuestiones espaciales, se presenta como un instrumento útil para el estudio del
comportamiento de sistemas complejos a partir de la identificación de las
relaciones entre la estructura del sistema, su comportamiento y la
determinación de los valores que las variables adoptan a lo largo del tiempo.
De acuerdo con el
enfoque temporal de la DS y en eminentemente espacial de los SIG es posible
abordar, a partir del uso conjunto de estas herramientas, procesos de
generación y simulación temporal y espacial de escenarios aplicados a la
planificación territorial y metropolitana.
De acuerdo con lo
anteriormente expuesto, el trabajo que se describe en este artículo, tiene como
objetivo principal el diseño de tres escenarios externos futuros en relación
con el contexto socioeconómico, así como la simulación de las demandas del crecimiento
metropolitano.
Link al artículo
completo:
ARTICULO PARA SESIÓN 5
(19 de octubre de 2011)
Desarrollo
organizacional, complejidad y dinámica de sistemas
En el siguiente
artículo se describen algunas de las características más importantes que poseen
las organizaciones, así como la mayoría de los factores que las convierten en
entidades complejas y dinámicas y que pueden ser estudiadas por la Dinámica de
Sistemas.
A continuación los
invito a leer un resumen que incluye las ideas más importantes del artículo que
se encuentra completo en la siguiente dirección web: http://www.colparmex.org/Revista/Art4/20.htm
El entorno social,
político, económico, ecológico, en el que se encuentran inmersas las
organizaciones, ha generado que estas busquen mecanismos que les permita dar
respuestas ágiles y económicas, además, de mostrar y generar flexibilidad y
adaptación, es decir, homeostasis. En otras palabras, si el entorno muestra
complejidad entonces la organización responderá en el mismo sentido.
El Desarrollo Organizacional (D.O.) y la
Dinámica de Sistemas son un factor que puede ser determinante en las
organizaciones y que les permite adaptarse al medio, sobrevivir y desarrollarse
en él. Mientras que en el D.O. se crea un plan de intervención apropiado (de
aprendizaje) en función de los objetivos deseados de funcionamiento por la
organización, la Dinámica de Sistemas combina el análisis y la síntesis y
suministra un lenguaje que permite: expresar las relaciones que se producen en
un sistema complejo y explicar su comportamiento a través del tiempo.
(5 de octubre de 2011)
Un modelo sobre la depresión
En este
artículo, se propone un modelo, el cual puede considerarse como una
aproximación desde la perspectiva de la dinámica de Sistemas a los mecanismos
que dan lugar a una depresión de carácter exógena.
En primer
lugar, se considera la depresión como un caso particular de estabilidad de un
sistema. En este sentido es como se enlaza el planteamiento general de la
teoría de sistemas, que dice que los distintos sistemas presentan principios de
organización equivalentes, esto es, existe un isomorfismo entre diferentes
tipos de sistemas, sean éstos físicos, biológicos, sociales o psicológicos.
Algunos
conceptos útiles, tales como el de variedadrequerida de Ashby merced al cual la estabilidad (y por qué no, la
supervivencia) de un organismo depende de su capacidad de generar una variedad
de respuestas equivalente a la variedad de perturbaciones a las que es
sometido. Igualmente, el concepto de tasa derenovación de Margalef resulta provechoso para comprender los procesos
de cambio en los distintos subsistemas del modelo. Y por último la Teoría de Catástrofes de Thom, que explica cómo
una pequeña perturbación en un sistema pude provocar la ruptura de equilibrio.
El modelo
en cuestión consta de cuatro subsistemas: Logro, Cogniciones, Emociones y
Energía (o biológico). El subsistema de Logro es el más exterior de todos
ellos, a nivel de comportamiento humano, y es el que arrastra en sus efectos al
restos de subsistemas, cada uno de ellos más interior. Es en el primer nivel
donde se encuentran las mayores posibilidades de intervención, afectando a los
restantes sus consecuencias de una forma un tanto automática.
En una
primera aproximación verbal al modelo, la depresión surge en un contexto de
adaptación como consecuencia de un intento por parte del sujeto por ofrecer una
alternativa de respuesta a una determinada perturbación del medio. Cuando esto
sucede, y tras una cadena de acontecimientos, la variable última del sistema
-sistema biológico- queda afectada y la persona se precipita en una depresión.
En términos más concretos, el sujeto no puede controlar ciertos acontecimientos
del medio, percibe que carece de control, lo que origina una respuesta
emocional -ansiedad-, que será mayor cuanto más negativa sea la interpretación
establecida al respeto -cogniciones-. Si la situación de ansiedad se hace
persistente y alcanza una cierta intensidad, se llegará a producir una
alteración más o menos profunda del sistema nervioso -agotamiento nervioso- que
dará lugar a ciertas perturbaciones fisiológicas: cansancio crónico, insomnio,
anorexia ..etc. A partir de ahí el sujeto carecerá de fuerzas para hacer frente
a las demandas del medio, emitirá menos conducta, menos control y entrará en la
dinámica del círculo vicioso.
A continuación se
muestra el diagrama causal que resume las ideas anteriores:
Y el diagrama de Forrester:
Si se toma
la habilidad del sujeto, el sistema se mantiene estable en un amplio rango de
valores, pero es a partir de un cierto punto, aquí 0.43, cuando la más mínima
alteración implicará una perdida de equilibrio -catástrofe- y el sujeto se
precipitará en una depresión.
En
la siguiente gráfica se muestra la evolución de un sistema para un valor por encima de 0.43
en habilidad, donde todavía es posible un cierto equilibrio:
Y
esta otra tabla para valores inferiores a este límite de 0.43 para el que el
sistema carece de equilibrio posible.
Por
último, la tabla que muestra la recuperación del sistema cuando hay una
intervención en un determinado momento temporal. Obsérvese cómo el subsistema
biológico más interior, de menor tasa de renovación, presentan una respuesta
más tardía tanto en ser afectado por la falta de control como en recuperarse de
la depresión.
Estudio Realizado por:
Carlos
Camacho
vararey@us.es
vararey@us.es
ARTICULO PARA SESIÓN
3
(28 de Septiembre de 2011)
(28 de Septiembre de 2011)
Una
aplicación de Dinámica de Sistemas en el proceso de enseñanza de la Economía
En este artículo se
presenta una herramienta informática, con la cual se propone incorporar la
tecnología computacional en la enseñanza de la economía, basada en el trabajo
con micromundos y simulación, HICEFE (Herramienta Informática para la
Compresión y Experimentación de Fenómenos Económicos). El objetivo es reforzar
la aplicación de un enfoque sistémico en el proceso educativo. Los modelos que
componen esta herramienta han sido construidos con la metodología de Dinámica
de Sistemas, para ser presentados a manera de micromundos que brinden al
estudiante la oportunidad de estudiar los fenómenos económicos y evaluar su
comprensión mediante la experimentación por simulación de soluciones a los
mismos.
Los aportes del
pensamiento de sistemas, permiten al estudiante una mayor capacidad de análisis
desde un punto de vista propio que
cobije de forma global el sistema en estudio. El rol del docente tendrá que ser
proyectado a la proposición de nuevas experiencias, mientras que la labor del
estudiante será ya no ser un receptor de conceptos sino un interventor en el
sistema. Se ha notado que los estudiantes alcanzan una mejor comprensión de un
fenómeno dentro de un sistema cuando lo estudia como un proceso en lugar de memorizar patrones de
comportamiento estadístico, esto significa que los estudiantes construyen un
modelo mental del fenómeno al mismo tiempo que lo estudian.
Todo el conocimiento
humano en economía ha sido formalizado en conceptos técnicos y ecuaciones
matemáticas complejas sobre las cuales se realizan las proyecciones económicas.
Se ha llegado a tal grado de tecnicismo que es prácticamente imposible para quienes
no han recibido una preparación estrictamente económica entenderlas. Este
problema se profundiza cuando se trata de estudiantes de áreas distintas como
por ejemplo las que tienen que ver con tecnología.
La herramienta
HICEFE presenta modelos predefinidos, por los que permite un fácil y versátil
desplazamiento. En un primer nivel para usuarios con poco manejo de Dinámica de
Sistemas se permite la interacción con diagramas causales, con los cuales
inicia la fase de conceptualización, además de la visualización de los
diferentes resultados generados con los escenarios de simulación que el usuario
ha definido. En un segundo nivel, permite modificar los diagramas de Forrester,
donde no solo se refuerzan los conceptos, sino que se pueden variar y crear
modelos propios. HICEFE dispone de una interfaz gráfica, soportada por el
software Evolución 2.0.
 |
| Figura que presenta un ejemplo de lo que es un Diagrama causal de un sistema productivo básico. |
 |
| Diagrama de Forrester del sistema productivo |
 |
| Figura en la que se muestra la salida gráfica del software Evolucion 2.0, que es una forma de presentar al estudiante los resultados simulados que generarían en el sistema sus hipótesis. |
De forma gradual, la
construcción de modelos facilita el estudio de un fenómeno económico. Al
docente, una herramienta como HICEFE ofrece un complemento a la forma de
enseñar economía, incluyendo la posibilidad de ver claramente aquellas
relaciones que no se incluyen en los modelos econométricos. Mientras que al
estudiante se le da la oportunidad de manipular los componentes del modelo y
ver los efectos que su manipulación causa en el comportamiento del sistema.
Link en el que se
puede acceder a un documento que describe de forma más completa la herramienta
HICEFE
Referencias:
Micromundos: Una
aplicación de Dinámica de Sistemas en el estudio de la macroeconomía Keynesiana
Fuente:
Dinámica de Sistemas: Puntos Clave y los Pasos de Acción
(21 de Septiembre de 2011).
1.- Desarrollar un modelo para resolver un problema particular, no para modelar el sistema
Un modelo debe tener un propósito claro, y ese propósito debe ser el de resolver el problema de preocupación para el cliente. Se deben excluir todos los factores no relacionados con el tema del problema para garantizar que el alcance del proyecto es factible y los resultados sean oportunos. El objetivo es mejorar el rendimiento del sistema según lo definido por el cliente. Centrarse en los resultados
2.- El modelado debe integrarse en el proyecto desde el principio.
El valor del proceso de modelado comienza desde el principio, en la fase de definición del problema de un proyecto. El proceso de modelado ayuda a centrar el diagnóstico en la estructura del sistema en lugar de culpar a los problemas de la gente que toma decisiones en esa estructura.
3.- Ser escépticos sobre el valor del modelado y forzar la discusión de "¿por qué lo necesitamos?" en el inicio del proyecto.
Hay muchos problemas para los que la dinámica de sistemas no es útil. El cliente, otros miembros del equipo y los modeladores deben considerar cuidadosamente si la dinámica de sistemas es la técnica adecuada para el problema de preocupación del cliente. Los modeladores deben recibir preguntas difíciles de los clientes acerca de cómo funciona el proceso y cómo puede ayudarles con su problema. Cuanto antes sean discutidas esas cuestiones, mejor.
4.- La dinámica de sistemas no está sola. Utilizar otras herramientas y métodos apropiados
La mayoría de los proyectos de modelado son parte de un esfuerzo más amplio que incluye el análisis tradicional estratégico y operativo, incluida la evaluación comparativa, la labor estadística, investigación de mercados, etc. El modelado eficaz se basa en una sólida base de datos y la comprensión de los temas. El modelado funciona mejor como un complemento a otras herramientas, no un sustituto.
5.- Emplear a modeladores expertos, no los novatos
Mientras que el software disponible para el modelado es fácilmente dominado por un estudiante de secundaria o el director general, el modelado no es programación de computadoras. No se puede desarrollar un diagrama cualitativo de la situación y pasarlo a un programador para la codificación en un modelo de simulación. La modelación requiere un enfoque disciplinado y una comprensión de los negocios, habilidades que se desarrollan a través del estudio y la experiencia.
6.- El modelado funciona mejor como un proceso iterativo de investigación conjunta entre el cliente y el consultor
El modelado es un proceso de descubrimiento. El objetivo es llegar a una nueva comprensión de cómo surge el problema, y luego utilizar ese conocimiento para diseñar políticas de alto apalancamiento para mejorar. El modelado no debe utilizarse como un instrumento de promoción. No se debe crear una opinión de los clientes (o una propia) sobre lo que debe hacerse en un modelo. Se deben utilizar talleres donde el cliente puede probar los propios modelos, en tiempo real.
7.- Evitar el modelado de caja negra.
Los modelos construidos en el “cuarto de atrás”, fuera de la vista del cliente, nunca conducirán a un cambio en los modelos mentales profundamente arraigados, y por lo tanto no van a cambiar el comportamiento del cliente. Se debe involucrar a los clientes tan pronto y tan profundamente como sea posible. Mostrar el modelo. Alentarlos a proponer y ejecutar sus propias pruebas y políticas, y criticar a la estructura del modelo. Trabajar con ellos para resolver sus críticas a su satisfacción.
8.- La validación es un proceso continuo de prueba y fomento de la confianza en el modelo
Los modelos no son validados después de que se han completado, ni por ninguna de las pruebas, tales como su capacidad para adaptarse a los datos históricos. Los clientes (y modeladores) fomentan la confianza en la utilidad de un modelo poco a poco, constantemente se enfrenta el modelo con datos y con los dictámenes de los clientes. A través de este proceso, tanto el modelo y opiniones de expertos van a cambiar y profundizar.
9.- Obtener un modelo preliminar de trabajo tan pronto como sea posible. Agregar detalles sólo cuando sea necesario
Desarrollar un modelo de simulación de trabajo tan pronto como sea posible. No tratar de desarrollar un modelo conceptual completo antes del desarrollo de un modelo de simulación. Los modelos conceptuales son sólo hipótesis, y deben ser probados. La formalización y la simulación a menudo descubren errores en mapas conceptuales y conducen a una mejor comprensión. Los resultados de experimentos de simulación llevan a la comprensión conceptual y ayudan a construir confianza en los resultados. Los primeros resultados proveen valor inmediato para el cliente, lo que justifica la continua inversión de su tiempo.
Fuente:
System Dynamics Key Points and Action Steps
No hay comentarios:
Publicar un comentario