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

 

Diagramas Stock- and - Flow

Los diagramas de Forrester son conocidos también como diagrama de "Stock- and - Flow". En la imagen siguiente se puede observar un diagrama en el cual, de una forma esquemática se representan los conceptos involucrados en la creación de modelos.

 

Un modelo puede ser cuantitativo y representa la estructura de la situación que indagamos. Esta consiste de variables, que son de diferentes tipos: acumuladores, flujos y auxiliares. Las variables de miden en determinadas unidades de medida. Entre ellas hay vínculos de causalidad (con dirección y polaridad). Es importante comprender el significado del tiempo. El tiempo se organiza en momentos y periodos. Los acumuladores se refieren a momentos y los flujos se refieren a periodos.

 

Distinguir nivel de flujo e identificar unidades (de medida) es importante para poder leer un diagrama "stock-and-flow", que es necesario para poder identificar bucles de retroalimentación, que es necesario para identificar su polaridad.

Distinguir acumulaciones de flujos es importante para poder convertir unos en otros;

- se puede derivar gráficamente el flujo neto del comportamiento de un acumulador;

- se puede integrar gráficamente el acumulador desde el comportamiento de un flujo.

Esto es una forma más rigurosa de predecir el comportamiento desde la estructura, en este caso simulando con lápiz.

Esto ayuda reconocer las estructuras desde el comportamiento y preparar para reconocer estructuras genéricas, cuyo conocimiento habilita para transferirlas entre diversas situaciones.

Fuente: 

Libro: Dinámica de Sistemas, Casos y aplicaciones en latino América.

Editado por Isaac Dyner y Luisa Rodríguez

Acerca de los Diagramas de Forrester

El diagrama de Flujos, también denominado Diagrama de Forrester, es el diagrama característico de la Dinámica de Sistemas. Es una traducción del Diagrama Causal a una terminología que permite la escritura de las ecuaciones en la computadora para así poder validar el modelo, observar la evolución temporal de las variables y hacer análisis de sensibilidad.

Los diagramas de Forrester proporcionan una representación gráfica de los sistemas dinámicos, modelando cualitativamente las relaciones entre las partes mediante símbolos que corresponden a una interpretación hidrodinámica del sistema.

A continuación se muestran algunos ejemplos de Diagramas de Forrester realizados en el software Vensim.

Representación del incremento flujo nivel.

 

Representación de la realimentación del nivel

Disminución del nivel

Representación de la influencia positiva o negativa del nivel sobre el flujo

Realimentación del nivel en forma indirecta

Causalidades entre auxiliares

Ejemplo Presa - Depredador

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

[http://simon.uis.edu.co/WebSIMON/publicaciones/Articulos%20SIMON/Micras%20Manizales.pdf]

Referencias:

Micromundos: Una aplicación de Dinámica de Sistemas en el estudio de la macroeconomía Keynesiana

Fuente:
http://simon.uis.edu.co/WebSIMON/publicaciones/Articulos%20SIMON/keynes_Espanol.pdf

Sobre los Diagramas Causales

El diagrama causal es un diagrama que recoge los elementos clave del sistema y las relaciones entre ellos, permite conocer la estructura del mismo. En el diagrama causal las diferentes relaciones están representadas por flechas entre las variables afectadas por ellas. El signo + o - indica el tipo de influencia ejercida por una variable sobre la otra.

Como parte de la documentación sobre los diagramas causales, se incluye el siguiente link en el que se resumen las principales características de ésto.

Principales características de los diagramas causales 

 Para una explicación a detalle sobre el tema de diagramas causales se puede ver el siguiente video.

En el siguiente link, se puede acceder a un documento en formato PDF que contiene algunos consejos prácticos para la elaboración de diagramas causales, teniendo en cuenta los tipos de errores más cometidos cuando se está aprendiendo a realizar los diagramas.

Consejos para elaborar un diagrama causal. 

Una cadena cerrada de relaciones causales recibe el nombre de bucle, retroalimentación o feedback. Los ciclos de retroalimentación positivos y negativos son los bloques de construcción de la dinámica de sistemas.

En la siguiente dirección web se puede acceder a un artículo en el cual se exponen algunas de las fallas en las definiciones de la polaridad positiva y negativa de las ligas en los diagramas causales, mismas que se considera deben ser tomadas en cuenta al emplear un diagrama causal para especificar de forma completa la estructura de retroalimentación de un sistema. [Problemas con los diagramas de ciclos causales]

En la siguiente página se puede acceder a cinco imágenes que muestran algunos ejercicios realizados sobre diagramas causales, en los cuales se determino la polaridad de los ciclos y lazos. [Ejercicios sobre diagramas causales.]

Dinámica de Sistemas: Puntos Clave y los Pasos de Acción

Resumen del Artículo propuesto para la Sesión2.
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

Fuente: http://dinamicadesistemas.files.wordpress.com/2010/02/key.pdf

Introducción a la Dinámica de Sistemas : Mapa Mental

Mapa mental del tema Introducción a la Dinámica de Sistemas.

INTRODUCCIÓN A LA DINÁMICA DE SISTEMAS

DINAMICA DE SISTEMAS: Definición
•    Metodología para estudiar y modelar el comportamiento de cualquier clase de sistemas a través del tiempo.
•    Método que combina análisis y síntesis, y suministra un lenguaje para expresar las relaciones en un sistema.
•    Emplea las bases de datos mentales como fuente de información acerca de un sistema.
•    Organiza la información en un modelo de simulación por computadora, la cual, ejecuta los papeles de los individuos en el mundo real.
HISTORIA
Metodología desarrollada por Jay Forrester en los 50's.
Primera aplicación: Análisis de la estructura de una empresa norteamericana, Publicado como Industrial Dynamics
Trabajos que popularizaron a la DS:
•    Dinámica Urbana (1969),
•    El Modelo del Mundo (1970),
•    Los Límites del crecimiento.
CONCEPTO DE SISTEMA
Unidad cuyos elementos interacionan juntos se afectan unos a otros y operan hacia una meta común.                                        
Ejemplos de Sistemas: organismos vivientes, la atmósfera, las enfermedades, fábricas, comunidades, familias equipos y organizaciones.
Estructura Sistémica
Configuración de las interrelaciones entre los componentes claves del sistema.

MODELOS Y AYUDA EN LA TOMA DE DECISIONES
Modelo: Representación de algún equipo o sistema real. Puede proporcionar información a menor costo y permite el logro de un conocimiento más rápido de las condiciones que no se observan en la vida real.
PENSAMIENTO SISTÉMICO
Abarca una amplia variedad de métodos, herramientas y principios orientados a examinar las fuerzas que forman parte de un proceso común

•     Modelos Estáticos : Describen un sistema en términos de ecuaciones matemáticas. Se ignoran las variaciones en el tiempo.   
• Modelos Dinámicos :Representación de la conducta dinámica de un sistema. son reiterativos. Aplican ecuaciones considerando cambios de tiempo.
• Evento Continuo : El cambio de valores se basa directamente en los cambios de tiempo.
• Evento Discreto: El tiempo entre los eventos en un modelo de evento discreto raramente es uniforme.
• Simulación: Involucra el diseño de modelos de un sistema, llevando a cabo experimentos en él con el propósito de determinar cómo el sistema real realiza y predice el efecto de cambios al sistema a través del tiempo.

Fuente: Material proporcionado en clase.