Caso de estudio

Actualización del INIT (Inventario Nacional de Infraestructura para el Transporte)

Antecedentes

• Necesidad del Sector Transporte por obtener información precisa y actualizada sobre la localización de la infraestructura y de sus atributos asociados, características y condiciones de la misma.
• Levantamiento del Inventario Nacional Georreferenciado de Infraestructura para el Transporte (INIT).
• Son objetivos del INIT generar y actualizar la información geoespacial de la red carretera nacional e infraestructura asociada para incorporarla a las actividades operativas del Sector mediante su integración sistémica
• El problema identificado tiene que ver con la frecuencia de actualización de la información que forma parte del INIT.  
  
• El primer inventario realizado se llevó a cabo durante los años de 1995 y 1997.
• Después de 10 años, se identificó la necesidad de contar con la información actualizada y se realizó la planeación de la versión 2007 del INIT, para la cual los trabajos de campo concluyeron en diciembre de 2008 y a la fecha, sólo se han realizado tareas de procesamiento de la información pero no de actualización.

Variables identificadas

-- Frecuencia de inversión en construcción de nuevas carreteras.

-- Incremento en la necesidad de actualización de la información.

-- Recursos destinados para equipo: Compra de receptores GPS.

-- Desactualización de los datos: originada por el paso del tiempo y la construcción de nuevas carreteras e infraestructura.

-- Uso de la información en el proceso de planeación

-- Necesidad de actualización

-- Recursos destinados para compra de licencias de software: Compra de licencias de ArcPAD

-- Recursos destinados para capacitación

-- Recursos destinados para viáticos

-- Personal necesario para la realización del inventario: Para el inventario 2007 se requirió la participación de los 31 centros SCT del país.

-- Tiempo requerido para la georreferenciación y trabajos de campo.

Diagrama Causal

Diagrama de Forrester

Gráficas

CONCLUSIONES

Después de realizar la modelación pude observar el comportamiento de las variables principales, “Necesidad de Actualización del INIT” y “TiempoTrabCampo”,  en la primera de ellas pude observar para cada año simulado cómo creció la cantidad de KM de carreteras que representan los datos nuevos que deben ser georreferenciados. Y para la segunda, se pudo observar claramente el número de horas necesarias para llevar a cabo el trabajo de campo. Con lo cual puedo concluir, que entre más pronto se lleven a cabo los trabajos para actualizar el INIT menos recursos serán necesarios y en un menor tiempo se podrá contar con la información actualizada y lista para su utilización en proyectos de interés para la secretaría.

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. 

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.

Ventas de autos híbridos del 2000-2006 con proyección al 2010.

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.

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 modelo desarrollado para comprender la situación, se centra en la relación entre los productores y los consumidores de autos híbridos. El modelo se dividió en tres secciones: la cadena de suministro la cartera de pedidos y las decisiones que afectan a varios componentes del modelo.

 Diagrama de Forrester

 En el articulo completo se puede dar seguimiento a detalle de cada una de las secciones del modelo así como a las conclusiones a las que llega el autor.

 Fuente:

 Joseph Kibe. Wilson High School. Modeling Systems Dynamics.

http://www.ccmodelingsystems.com/publications/highlitedstudents/joseph-kibe_07/hybrid-gas-car-prod-paper_kibe.pdf

Modelo de ejemplo: Dinámica del Ciclo de Negocios

Isee Systems, formalmente High Performance Systems, es una empresa que se encuentra en el negocio  de mejorar la forma en la que funciona el mundo, mediante la creación productos  de sistemas basados en el pensamiento que permiten a las personas incrementar su capacidad de pensar, aprender, comunicarse y actuar de manera más sistemática. Isee Systens es el líder mundial en software de Sistemas de Pensamiento.

 

En su página Web se encuentran disponibles numerosos ejemplos de modelos, artículos y demás herramientas para lograr una mejor comprensión de la dinámica de sistemas. Todos ellos desarrollados y modelados con el software que esta compañía ha creado, iThink y Stella por ejemplo. No obstante la metodología para crear los diagramas del problema en cuestión sigue los mismos principios que se han visto en clase, y la modelación en este software resulta similar a como se lleva a cabo en Vensim.

http://www.iseesystems.com/community/downloads/NetsimModels.aspx

 

Uno de los modelos de ejemplo que se incluyen en la página web tiene que ver con la dinámica del ciclo de los negocios, en el cual se explora la cadena de suministro en la Industria de los semiconductores, donde el problema identificado tiene que ver con la tardanza de la cadena de producción para reaccionar a los cambios en la demanda del mercado. El modelo estudia lo ocurrido en Philips Semiconductors (PSC) Las fábricas comienzan su producción en el punto más alto de la demanda, y después de un tiempo tienen exceso de capacidad de producción. Más tarde cuando el mercado cae se genera el problema de exceso de inventarios por los siguientes años.

A continuación se incluye una descripción breve del modelo, el cual se presentó en clase por el equipo 2.

La estructura del modelo de la red de suministro en PSC puede ser descrita por cuatro procesos interrelacionados: 

En las siguientes imágenes se muestran los diagramas de forrester que se crearon para cada uno de los procesos que forman parte de la cadena de suministro de Philips Semiconductor.

Gestión de pedidos

Proceso de Producción 

Proceso de gestión de la capacidad

  

Planificación de la Producción

 

Al ingresar en el desarrollo del modelo se tiene la opción de simular su comportamiento al modificar los valores de las variables principales. Para el modelo en cuestión se muestran 3 opciones de simulación para reducir la oscilación originada por la demanda del cliente la cual puede subir o bajar repentinamente y de esta manera mejorar el rendimiento de la producción, estas opciones son: Simulación para mejoras operacionales, simulación para mejoras tácticas y simulación para mejoras estratégicas.

Mediante el siguiente link se puede acceder al modelo y a la sección de simulación donde de manera interactiva se puede modificar el valor de las variables, y observar mediante gráficas su comportamiento para cada una de las opciones de simulación.

http://forio.com/simulate/simulation/netsim/business-cycle-dynamics/

Exposición realizada por el equipo 2 en la Sesión 5

Links a Sitios con datos del INIT

http://www.imt.mx/SitioIMT/USIG/ServiciosInvestigacion/ProyectosDesarrollo/atlas_cibernetico.php

Ingresar a la sección de Público en general en la siguiente página.
http://www.unidadgits.mx/

Modelo de simulación de gestión de residuos sólidos domiciliarios

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.

Descripción de la estructura del modelo

El modelo tiene como objeto proporcionar una herramienta que permita conocer el comportamiento de los residuos sólidos domiciliarios en la región metropolitana de Chile, visualizando el impacto económico de un plan de gestión en el corto, mediano y largo plazo.

El modelo describe la dinámica general de los residuos sólidos domiciliarios en la región metropolitana considerando un periodo de simulación de 19 años, el cual comprende desde el año 2002 hasta el año 2020.

A través del diagrama de influencias se puede apreciar la complejidad que involucra la dinámica de los residuos sólidos domiciliarios. En la figura 1 se muestra el diagrama de influencia general del sistema.

En esta figura se presenta el modelo construido en dinámica de sistemas, o diagrama de forrester.  El modelo programado permite estimar la generación de residuos sólidos domiciliarios por comunas, según nivel socioeconómico por comunas, asociadas al relleno sanitario donde depositan sus residuos. Aún cuando son muy claros los elementos en la imágen, se nota la complejidad del sistema.

Los resultados obtenidos de la simulación, presentados en la siguiente figura, muestran un aumento progresivo en la generación de residuos sólidos, principalmente de las comunas asociadas al relleno sanitario Lomas Lo Colorado.

La estimación de la generación total para el año 2010 es de aproximadamente 4,2 millones de toneladas de residuos sólidos domiciliarios, llegando a un valor de 5,6 millones de toneladas para el año

2020.

 Para conocer mayores detalles del modelo así como de los resultados obtenidos, se puede visualizar el documento del articulo en la siguiente dirección: http://dinamicasistemas.utalca.cl/Revista/Vol1Num1/vasquez_residuos.pdf

Modelos aplicados a fenómenos epidemiológicos usando SIG y DS

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.

En el sector de la salud pública en lo relacionado con fenómenos epidemiológicos, los SIG permiten realizar análisis espaciales temporales  de las enfermedades, posibilitando la creación de mapas temáticos para el monitoreo y control del fenómeno salud-enfermedad para la toma de decisiones.

A continuación se incluyen algunas imágenes que ilustran el modelo desarrollado así como algunas gráficas que muestran el cambio de las variables.

En la figura 1, la variable nuevos infectados es un acumulador en el cual se suman para cada nueva iteración, los sanos que se infectaron más los infectados de la iteración anterior. La variable nuevos recuperados es un acumulador de los infectados que se recuperaron. Los datos de poblaciones se almacenan en las variables Sanos, Infectados y Recuperados. Por lo tanto un infectado acumulado en nuevos infectados puede ser el resultado o de un sano que se infectó, o de un infectado de la iteración anterior.

En la figura 2 se puede observar la variación de las poblaciones involucradas en el modelo con respecto al tiempo, debido a la dinámica sistemática de las interacciones entre las variables.

En la figura 3 se presentan los resultados después de correr el modelo en la herramienta para dinámica de sistemas.

En la figura 4 se puede observar cómo la población que muere influye notablemente en el comportamiento de las otras poblaciones involucradas.

En la figura siguiente se muestra uno de los mapas resultantes para la variación poblacional de infectados.

En documento donde se discribe con mayor detalle el modelo realizado así como los resultados puede ser visualizado en la siguiente dirección electrónica:   http://redalyc.uaemex.mx/pdf/430/43003408.pdf

Modelo Sencillo de Población

Para este modelo de ejemplo se desea estudiar la evolución de la población en una determinada región durante los próximos 100 años. Inicialmente la población está formada por 1600 individuos, la tasa de natalidad es de un 4% y la tasa de mortalidad del 2%.

La imagen siguiente muestra el diagrama de influencias del modelo, donde se representan las relaciones existentes entre las distintas variables del sistema.

En las siguientes imágenes se pueden visualizar el diagrama de Forrester, las ventanas informativas resultantes después de utilizar las herramientas del software Vensim, así como las gráficas resultantes después de simular el modelo.

En la imágen siguiente se muestra la gráfica donde de visualiza el comportamiento de la gráfica al modificar el valor para la Tasa de Natalidad.

Imagen que muestra la utilización de la opción de simulación SyntheSim, la cual crea deslizadores para las constantes del modelo que permiten modificar su valor y observar cómo se modifican las evoluciones temporales de las variables de estado y de flujo.

 MODELO SENCILLO DE POBLACIÓN MODIFICADO

En la siguiente imagen se puede observar el diagrama de Forrester en el cual fueron agregadas dos variables más.

 Se observa también la gráfica resultante después de simular el modelo la cual muestra el crecimiento constante de la variable Población hasta el año 2075 en el que deja de crecer debido al efecto que originan las variables NMAX y FAMU en el modelo.

Diagramas complejos en la Dinámica de Sistemas

Buscando en Internet, encontré este blog en el que se muestra el diagrama siguiente que me pareció interesante por lo complejo que se observa y se los comparto para que revisen todas las interrelaciones que crean la complejidad.

En el siguiente link se puede acceder a un documento en el que se se va desarrollando paso a paso el diagrama: 

http://msnbcmedia.msn.com/i/MSNBC/Components/Photo/_new/Afghanistan_Dynamic_Planning.pdf

Como hemos visto en clase, practicamente cualquier problematica puede ser abordada desde la perspectiva de la Dinámica de Sistemas, ya sea para encontrar una solución o al menos para entenderla.

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: http://upcommons.upc.edu/revistes/bitstream/2099/8535/1/aguilera.pdf

Desarrollo organizacional, complejidad y dinámica de sistemas

Artículo. Sesión 5

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.

Aplicación de la Dinámica de Sistemas a la Ingeniería del Software

El siguiente es un breve resumen de un artículo que describe cómo las características de la Dinámica de Sistemas contribuyen al desarrollo de modelos del Proceso de Desarrollo de Software que permitan manejar la complejidad de proyecto en si, así como conocer los efectos secundarios de las decisiones tomadas durante el proceso de desarrollo de software, el cual se considera, es un sistema dinámico socio-tecnológico complejo, cuya evolución temporal viene dada por su estructura interna, por las relaciones existentes entre el personal técnico que trabaja en el mismo y por el nivel de madurez de la propia organización de desarrollo.

Las aplicaciones de la Dinámica de Sistemas en la Ingeniería del Software son múltiples. Entre ellas destaca principalmente su aplicación a la investigación de nuevas políticas de desarrollo, que se ve facilitada por la capacidad de simulación. También destacan sus aplicaciones dirigidas a la formulación de una metodología formal, que permita estandarizar el proceso de desarrollo de software, los análisis de proyectos ya terminados (análisis post-mortem) y la monitorización y seguimiento continuo de los proyectos en desarrollo.

Por tanto, el marco de la Dinámica de Sistemas ofrece las bases para construir una teoría común para los PDS. La elaboración de modelos dinámicos puede constituir una metodología formal según la cual se pueden expresar los conocimientos sobre el sistema. Además, el proceso de construcción del modelo, por sí mismo, obliga a los investigadores a tener un alto conocimiento de cuáles son los parámetros claves que influyen en el comportamiento del sistema y cómo se relacionan entre sí constituyendo lazos de realimentación.

Por otro lado, el potencial de los modelos de simulación para la formación y el entrenamiento de los directores de proyectos es manifiesto: los entornos de simulación sitúan a los directores frente a situaciones reales que pueden encontrar en la práctica y les permite adquirir experiencia sin correr riesgos. La disponibilidad de un modelo dinámico, que simule el comportamiento o algún aspecto concreto de una organización, y un entorno de simulación potente como los que existen en la actualidad, constituye una herramienta fundamental en la toma de decisiones de dicha organización.

El artículo completo puede ser consultado en la siguiente dirección: 

http://www.sc.ehu.es/jiwdocoj/remis/docs/modelos.html

Dinámica de Sistemas para modelar estructuras de gestión de Cadenas de Suministro

El siguiente texto, forma parte de la introducción de un artículo escrito por Francisco Campuzano y Eva Martínez quienes para desarrollar  su trabajo utilizaron varios modelos de Gestión de  Cadena de Suministro, construidos usando la metodología de la Dinámica de Sistemas y el software Vensim para modelar y simular estructuras de gestión. Lo que destaco de éste artículo es la claridad con la que de describe la metodología empleada, desde la justificación hasta el análisis de los elementos que conforman el diagrama causal desarrollado.

La extrema competitividad que existe en la economía actual, unida a los efectos de la globalización, obligan a la industria a encontrar nuevas vías para interactuar y satisfacer a los clientes. En una Cadena de Suministro, los fabricantes, intermediarios comerciales, transportistas, proveedores y organismos oficiales colaboran para entregar la mercancía de forma rápida y eficaz de modo que el dinero fluya a través de la economía. Una Cadena de Suministro optimizada, supone mejoras de eficiencia que pueden reducir las necesidades de  inventario, ahorrar costes de transporte y otros gastos de distribución, y optimizar el time to market.

Forrester (1958), analizando una Cadena de Suministro Tradicional, observó que un pequeño cambio en el patrón de demanda de un cliente se magnificaba según fluía a través de los procesos de distribución, producción y aprovisionamiento. En cada nivel de la cadena, esta desviación se amplificaba aguas arriba de la misma en forma de órdenes de reabastecimiento. Esa amplificación se debía, según Forrester, a los problemas derivados de la existencia de tiempos de suministro (“non-zero lead times”), y la inexactitud de las previsiones realizadas por los diferentes miembros de la cadena ante la variabilidad de la demanda.

Estructura del modelo causal propuesto para una cadena de suministro.

En este trabajo se analizan las ventajas y desventajas de la utilización de las estructuras Tradicional y las colaborativas EPOS (Electronic Point of Sales), VMI (Vendor Management Inventory) en la gestión de la variabilidad de la demanda a lo largo de una Cadena de Suministro multinivel. Dichas estructuras de Gestión de Cadena de Suministro se han modelado (Campuzano et al., 2008a y 2008b) usando la Metodología de la Dinámica de Sistemas. Posteriormente se simulan con el programa informático Vensim©. Estos modelos constituyen una herramienta eficaz que permiten al investigador o al responsable de producción decidir, mediante la recreación de diferentes escenarios, qué estructura se ajusta en mayor o menor medida con los objetivos empresariales (tácticos u operativos) propuestos.

Diagrama causal de nivel minorista para la Cadena de Suministro Tradicional considerada

Diagrama causal para la cadena de suministro con estrategia VMI

El artículo completo  lo pueden encontrar en la siguiente dirección de internet:

Cadenas deSuministro tradicionales y colaborativas. Análisis de su influencia en la gestión de la variabilidad de lademanda.

http://www.dinamica-de-sistemas.com/cursos/logistica.pdf

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