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.