Universidad Nacional Abierta y A Distanc PDF

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA.

CONTENIDO DIDÁCTICO DEL CURSO: 301126 – DINÁMICA DE SISTEMAS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
PROGRAMA DE INGENIERÍA DE SISTEMAS
301126 – DINÁMICA DE SISTEMAS
ELIÉCER PINEDA BALLESTEROS

(Director Nacional)
BUCARAMANGA
Diciembre de 2013
ÍNDICE DE CONTENIDO
INTRODUCCIÓN .................................................................................................... 9
ÍNDICE DE CONTENIDO ........................................................................................ 2
UNIDAD 1 CONCEPTUALIZACIÓN SOBRE SISTEMAS Y MODELOS ................. 8
CAPÍTULO 1: LA IDEA DE SISTEMA ................................................................... 12
Introducción ....................................................................................................... 12
Lección 1: Máquinas, Sistemas y Modelos ........................................................ 12
Máquinas........................................................................................................ 12
Las máquinas simples .................................................................................... 13
Sistemas ........................................................................................................ 14
Orígenes y perspectivas del pensamiento sistémico ..................................... 14
La teoría General de Sistemas....................................................................... 15
Sistemas Abiertos y Cerrados ........................................................................ 16
Modelos.......................................................................................................... 18
Lección 2: La Cibernética .................................................................................. 19
Los campos de aplicación de la cibernética ................................................... 20
Lección 3: El Concepto de Sistema ................................................................... 22
Lección 4: El Pensamiento de Sistemas ............................................................ 24
Lección 5: Perspectivas del Pensamiento de Sistemas ..................................... 27
CAPÍTULO 2: EL MODELADO.............................................................................. 29
Introducción.................................................................................................... 29
Lección 6: La Dinámica del Ser al Existir ........................................................... 30
Lección 7: La idea de Modelo ............................................................................ 33
Modelo y modelado ........................................................................................ 33
Lección 8: Modelo: para Representar o para ser Representado ....................... 34
Lección 9: Modelado Según su Uso .................................................................. 36
Modelado Para El Aprendizaje ....................................................................... 36
Modelado Para La Explicación ....................................................................... 38
Modelado Para La Intervención ..................................................................... 38
Lección 10: Modelado Según su Proceso.......................................................... 40
Modelado De Réplica ..................................................................................... 40
Modelado De Reconstrucción ........................................................................ 41
Modelado De Construcción ............................................................................ 42
CAPÍTULO 3: DIAGRAMAS DE INFLUENCIAS ................................................... 45
Introducción ....................................................................................................... 45
Lección 11: Causalidad vs Correlación .............................................................. 46
Lección 12: Modo de Referencia y la Hipótesis Dinámica ................................. 48
Hipótesis dinámica ......................................................................................... 48
Modo de referencia ........................................................................................ 49
Lección 13: Elementos de los Diagramas de Influencias ................................... 51
La estructura del sistema ............................................................................... 51
Los diagramas de influencias ......................................................................... 52
Recomendaciones para construir diagramas de influencias .......................... 54
Errores comunes en la realización de diagramas de influencias .................... 54

Lección 14: Los Ciclos de Realimentación ........................................................ 56
Ciclo de realimentación positiva ..................................................................... 56
Ejemplo de ciclo de realimentación positivo ................................................... 56
Ciclo de realimentación negativa ................................................................... 57
Ejemplo de ciclo de realimentación negativo ................................................. 57
Ciclos de realimentación acoplados ............................................................... 58
El crecimiento sigmoidal................................................................................. 58
Lección 15: Los retardos ................................................................................... 60
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD UNO ........................ 61
FUENTES DOCUMENTALES DE LA UNIDAD UNO ........................................ 63
UNIDAD 2: DIAGRAMAS DE FORRESTER ......................................................... 65
CAPÍTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER ................ 66
Introducción ....................................................................................................... 66
Lección 16: La Noción de Razón de Cambio y Acumulación............................. 67
Nociones acerca del cambio .......................................................................... 67
El cambio cualitativo ...................................................................................... 67
Cambio cuantitativo ........................................................................................ 67
La razón de cambio ........................................................................................ 68
Lección 17: Diagramas de Forrester.................................................................. 69
Los elementos del diagrama de Forrester ...................................................... 70
Lección 18: Los Niveles y los flujos ................................................................... 73
Construcción del diagrama de Forrester ........................................................ 73
Algunas recomendaciones para reconocer los niveles y los flujos ................. 74
Ejemplos de niveles: ...................................................................................... 75
Flujos asociados a los niveles ........................................................................ 75
Lección 19: Las variables Auxiliares, los Multiplicadores y las No Linealidades 77
Variables auxiliares ........................................................................................ 77
No linealidades............................................................................................... 78
Los Multiplicadores ........................................................................................ 78
Lección 20: Caracterización de los Retardos..................................................... 80
Retardos de material. ..................................................................................... 81
Retardo de información .................................................................................. 82
CAPÍTULO 5: ELABORACIÓN DE DIAGRAMAS DE FORRRESTER .................. 85
Introducción ....................................................................................................... 85
Lección 21: Leyendo el Diagrama de Influencias .............................................. 86
Del ser al existir de la dinámica conejo-zorro ................................................. 86
El diagrama de influencias del modelo presa predador ................................. 87
Lección 22: Definiendo los Niveles .................................................................... 89
Manos a la obra. ............................................................................................ 89
Lección 23: Identificando los Flujos ................................................................... 91
Lección 24: Usando las variables auxiliares ...................................................... 94
Lección 25: Usando los retardos y tablas .......................................................... 96
CAPÍTULO 6: SIMULACIÓN ............................................................................... 101
Introducción ..................................................................................................... 101
Lección 26: Escenarios de Simulación ............................................................ 102
Algunas características del diseño de escenarios: ....................................... 103

Escenarios y pronósticos ........................................................................... 104
Los escenarios y la toma de decisiones ....................................................... 104
Cómo construir o Simular escenarios........................................................... 104
Etapas .......................................................................................................... 104
Lección 27: Análisis de Sensibilidad ................................................................ 107
El análisis de sensibilidad permite: .............................................................. 107
Limitaciones del Análisis de Sensibilidad ..................................................... 107
Lección 28: Validación de Modelos ................................................................. 111
Introducción a la validación de modelos....................................................... 111
El proceso de validación de un modelo ........................................................... 112
Fases en la validación de un modelo ........................................................... 113
Lección 29: Pruebas de modelos en la práctica .............................................. 115
Prueba de límites del modelo ....................................................................... 115
Pruebas de evaluación de la estructura ....................................................... 115
Evaluación de parámetros............................................................................ 116
Pruebas de condiciones extremas ............................................................... 116
Pruebas de reproducción de comportamiento .............................................. 116
Lección 30: Experimentación Simulada ........................................................... 117
Aprendizaje organizacional "natural" ............................................................ 117
Mundos virtuales para el aprendizaje organizacional "artificial" ................... 118
Incrementando la eficiencia del aprendizaje organizacional ........................ 118
FUENTES DOCUMENTALES DE LA UNIDAD DOS ...................................... 122
UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIÓN ................ 123
CAPÍTULO 7: TOMA DE DECISIONES .............................................................. 124
Introducción ..................................................................................................... 124
Lección 31: Introducción a la Toma de Decisiones .......................................... 125
Decisiones en situación de certeza .............................................................. 125
Decisiones en situación de incertidumbre .................................................... 125
Decisiones en situación de riesgo ................................................................ 126
Lección 32: La empresa como sistema ........................................................... 127
Lección 33: Modelo en prosa de caso de estudio ............................................ 129
Lección 34: Modelo del caso ........................................................................... 131
Diagrama de influencias ............................................................................... 131
Diagrama de Forrester ................................................................................. 132
Ecuaciones del modelo ................................................................................ 133
Lección 35: Simulaciones y toma de decisiones.............................................. 135
Diseño de escenario .................................................................................... 135
Experimentación Simulada........................................................................... 135
CAPÍTULO 8: CASO DE ESTUDIO .................................................................... 138
Introducción ..................................................................................................... 138
Lección 36: Los sistemas agroindustriales ...................................................... 139
Lección 37: Visión sistémica de las cadenas productivas................................ 141
Bases conceptuales ......................................................................................... 141
Lección 38: Descripción de la Cadena Productiva del Tabaco ........................ 143
Lección 39: El diagrama de influencias y diagrama de Forrester de la cadena

productiva del tabaco ....................................................................................... 145
Lección 40: Experimentación simulada, la cadena productiva del tabaco. ...... 148
CAPÍTULO 9: PERSPECTIVAS DE USO DE LA DINÁMICA DE SISTEMAS .... 151
Introducción ..................................................................................................... 151
Lección 41: Modelado en Ingeniería de Petróleos ........................................... 152
Producción De Pozos Petroleros ................................................................. 152
Pensamiento Sistémico y Dinámica de sistemas ......................................... 153
Lección 42: Modelado en Economía ................................................................ 154
El Aprendizaje De La Economía .................................................................. 154
Micromundos De Experimentación Como Alternativa Para El Aprendizaje De
Teorías Económicas .................................................................................... 154
Lección 43: Modelado en la Salud ................................................................... 156
¿Cómo la dinámica de sistemas y los sistemas expertos pueden contribuir en
la solución del problema?............................................................................. 156
Lección 44: Modelado en Pedagogía .............................................................. 157
La simulación y su relación con la pedagogía. ............................................. 157
Lección 45: Modelado en Educación Básica ................................................... 158
La Participación Ciudadana como una Competencia Ciudadana ................ 158
LISTADO DE GRÁFICOS Y FIGURAS
Figura 1 Representación De La Metáfora Deleuziana. 14

Figura 2 Remolino De Agua. 26
Figura 3 Ilustración De La Peste En La Biblia De Toggenburg . 30
Figura 4 El Triángulo De La Significación 31
Figura 5 Modelo Del Circuito Rlc. 34
Figura 6 Modelo Y Pintor De George Owen Wynne Apperley. 34
Figura 7 Modelo Y Realidad. 35
Figura 8 Modelado Para El Aprendizaje. 37
Figura 9 Modelado Para La Explicación. 38
Figura 10 Modelado Para La Intervención 39
Figura 11 Modelado De Réplica 40
Figura 12 Modelado De Reconstrucción. 42
Figura 13 Modelado De Construcción. 43
Figura 14 Modo De Referencia 50
Figura 15 Llenado Del Vaso. 51
Figura 16 Variables En El Proceso De Llenado Del Vaso. 51
Figura 17 Estructura Del Sistema. 52
Figura 18 Diagrama De Influencias 53
Figura 19 Estructura Y Comportamiento Ciclo De Realimentación Positivo 56
Figura 20 Estructura Y Comportamiento Ciclo De Realimentación Positivo 56
Figura 21 Estructura Y Comportamiento Ciclo De Realimentación Negativo 57
Figura 22 Ciclo De Realimentación Negativo 57
Figura 23 Ciclos Acoplados 58
Figura 24 Comportamiento Ciclo Acoplado 58
Figura 25 Crecimiento En S 59
Figura 26 Retardos 60
Figura 27 Flujo De Monedas Que Llena La Alcancía 68
Figura 28 Símil Hidrodinámico 69
Figura 29 Elementos Del Diagrama De Forrester En Distintos Software 72
Figura 30 Diagrama De Forrester 73
Figura 33 Relación Entre Nivel Y Flujo 75
Figura 38 Diagrama De Forrester Del Símil Hidrodinámico 77
Figura 39 No Linealidad 78
Figura 40 Multiplicador 79
Figura 41 Retardo En Las Ventas Consecuencia Del Precio 80
Figura 42 Ilustración De Un Retardo 80
Figura 43 Retardo De Orden Uno De Material 81
Figura 44 Retardo De Orden Uno De Información 83
Figura 45 Retardo De Orden Uno De Información 84

Figura 46 Modelo Presa Predador 86
Figura 47 Diagramas De Influencias Presa Predador 87
Figura 48 Nivel Y Flujos Asociados A Los Conejos 91
Figura 49 Modelo Presa - Predador 92
Figura 50 Modelo Presa – Predador Con Variables Auxiliares 95
Figura 51 Modelo Presa Predador Con Retardo 96
Figura 52 Multiplicador 97
Figura 53 Modelo Presa Predador Con Retardo Y Multiplicador 98
Figura 54 Análisis De Sensibilidad 108
Figura 57 Resultado Del Análisis De Sensibilidad Escenario 1 109
Figura 58 Resultado Del Análisis De Sensibilidad Escenario 2 110
Figura 59 Proceso De Modelado Según Sterman 111
Figura 60 Proceso De Validación De Un Modelo 114
Figura 61 Tabla Pronóstico De Ventas 129
Figura 62 Diagrama De Influencias Del Caso De Estudio 131
Figura 63 Diagrama De Forrester Del Caso De Estudio 132
Figura 64 Escenario De Simulación 135
Figura 65 Datos De La Simulación Experimentada 136
Figura 66 Resultados De La Simulación Experimenta 137
Figura 67 Sistema Agropecuario 140
Figura 68 Cadena Productiva Cadena De Textiles-Confecciones 142
Figura 69 Cadena Productiva Del Tabaco 143
Figura 70 Diagrama De Influencias De La Cadena Productiva Del Tabaco 145
Figura 71 La Población Y La Demanda De Tabaco 146
Figura 72 La Siembra De Tabaco 146
Figura 73 Diagrama De Forrester Del Primer Prototipo De La Cadena Productiva
Del Tabaco 147
ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO
El presente módulo fue diseñado y escrito en el año 2011 por el Ing. Eliécer
Pineda Ballesteros, docente auxiliar de la UNAD, y ubicado en el CEAD de
Bucaramanga. El profesor Pineda es Ingeniero de Sistemas y Economista,
Especialista en Docencia Universitaria, y Magíster en Informática; se ha
desempeñado como tutor de la UNAD desde el año 2004 hasta la fecha y ha sido
catedrático de la Universidad Industrial de Santander y de la Universidad Pontificia
Bolivariana, entre otras.
Este módulo se desarrolla como primera versión, acorde a las necesidades

propias del modelo pedagógico centrado en el aprendizaje autónomo promovido
por la UNAD.
INTRODUCCIÓN
El módulo de Dinámica de Sistemas se ofrece a la comunidad unadista como una

posibilidad de acceder al modelado estructural mediante una forma didáctica
asumiendo elementos de orden pedagógico que posibilitan el aprendizaje sobre el
supuesto de que quien asume este curso lo hace de manera libre y que a su vez lo
motiva una genuina necesidad por aprender.
La Dinámica de Sistemas fue creada a mediados de los años 50 como respuesta a

una serie de problemas relacionados con la incapacidad del hombre para dar
cuenta del comportamiento de fenómenos de cierta complejidad. Su creador fue
Jay W. Forrester (1958), profesor del MIT, ingeniero electrónico, creador además
de la memoria RAM.
El curso proveerá a los estudiantes de los útiles necesarios para abordar

procesos serios de modelado de fenómenos de diversa naturaleza que los habilita
para la toma de decisiones con un nivel menor de incertidumbre.
Adicional a lo anterior no sólo se desarrollarán en los estudiantes competencias
para el modelado sino que también se promoverán en ellos habilidades útiles para
su futuro desempeño profesional puesto que, según los profesores Michael J.
Radzicki y Barbara Karanian (2002), al estudiarse la dinámica de sistemas las
personas (Traducción Libre):
 Pueden ver la naturaleza genérica de los flujos y niveles y las estructuras
de realimentación.
 Se les provee de una herramienta interdisciplinaria que puede ser utilizada
para resolver sistemas dinámicos que fueron vistos por ellos como
estáticos, en el colegio.
 Desarrollan habilidades para resolver e integrar problemas
multidisciplinarios.
 Aprenden vía procesos experimentales desarrollando competencias
esenciales.
 Aprenden mediante procesos de aprendizaje centrado en el aprendiz.
 Se les provee de una herramienta para estudiar la interacción entre
tecnología y sociedad.
Teniendo como guía lo antes expuesto, el módulo de Dinámica de Sistemas se

diseñó teniendo en cuenta tres partes. La primera de ellas se concentrará en la
conceptualización sobre el pensamiento de sistemas, el modelado estructural y los
diagramas de influencias; la segunda parte dará los lineamientos necesarios para
abordar la elaboración de los diagramas de Forrester, la representación de no
linealidades y el tratamiento de los retardos de material y de información y la
tercera parte se dedicará a mostrar como el modelado y simulación de fenómenos
son apropiados para abordar el proceso de toma de decisiones a partir de
modelos previamente validados y probados.
Se espera que el estudio de este módulo sea suficientemente provechoso y para

ello se sugiere una lectura consciente de cada una de las lecciones que lo
componen.
UNIDAD 1 CONCEPTUALIZACIÓN SOBRE SISTEMAS Y MODELOS
Nombre de la Unidad Conceptualización de sistemas

Introducción Esta unidad introduce el marco conceptual requerido para
el desarrollo de la competencia modelística, concentrado
en la noción ontológica de sistema y modelo.
Justificación Una habilidad previa al modelamiento es la capacidad de
representación que puede ofrecer la teoría general de
sistemas. Esta unidad se concentra en definir claramente
el aporte de la TGS, la ontología, la epistemología, etc.
Intencionalidades Conceptualización sobre sistema, modelo y
Formativas representación
Denominación de Capítulo 1: La Idea De Sistema
capítulos Capítulo 2: El Modelado
Capítulo 3: Diagramas De Influencias
CAPÍTULO 1: LA IDEA DE SISTEMA
Introducción
Este capítulo pretende re-introducir al estudiante en uno de los conceptos
fundamentales para el modelado dinámico sistémico objeto de este curso. Las
lecciones buscan poner de manifiesto las relaciones existentes entre el
pensamiento mecanicista y el pensamiento sistémico y cómo se parte de los
quiebres onto-epistemológicos del primero para llegar al segundo. Al terminar este
capítulo el estudiante habrá reelaborado el concepto de sistema necesario para la
comprensión del mundo desde esa óptica y la subsecuente representación de la
misma mediante los útiles de la dinámica de sistemas y su posterior uso para el
apoyo en la toma de decisiones.
Lección 1: Máquinas, Sistemas y Modelos
Máquinas
Desde que el hombre ha hecho uso consciente de la razón ha tratado de dominar
las fuerzas de la naturaleza; en esta tarea ha aprendido a construir y utilizar
artefactos ajenos a él. A continuación se citan algunos ejemplos: en la lucha entre
pueblos prehistóricos, ya las armas rústicas eran comunes compuestas
fundamentalmente por piedras y huesos. Luego aparecen los primeros esfuerzos
por construir de diques y zanjas de irrigación, usados para la agricultura, los que
exigieron el uso de herramientas, tales como los arados y los azadones. La
construcción de caminos llegó a ser un arte de gran desarrollo, durante la era del
imperio Romano, esto se logró básicamente como resultado del desarrollo de
nuevas máquinas y técnicas.
Una máquina está compuesta de mecanismos los cuales se definen como un

conjunto de elementos, que conectados entre sí por medio de articulaciones
móviles tienen la misión de transformar una velocidad en otra velocidad; una
fuerza en otra fuerza; una trayectoria en otra diferente o un tipo de energía en otro
tipo distinto.
Según el número de elementos, los mecanismos se pueden clasificar como

simples, si tienen dos elementos de enlace o como complejos, si tienen más de
dos elementos de enlace.
De lo anterior es posible definir un sistema mecánico o máquina como una

combinación de mecanismos que transforma velocidades, trayectorias, fuerzas o
energías mediante una serie de transformaciones intermedias. Se invita al lector a
comparar y establecer las similitudes entre la definición de máquina y la definición
más usual de sistema.
Las máquinas simples

Muchas de las máquinas simples1 existen desde la antigüedad, desde tiempos
muy remotos el hombre ha buscado la manera de resolver los problemas que se le
presentan. En las comunidades primitivas, los humanos se agrupaban para cazar
y hacer actividades cada vez más complicadas con ayuda de las máquinas
simples. Se dividían el trabajo y los beneficios obtenidos eran para todos. Al
organizarse, desarrollaron el lenguaje, lo que les sirvió para comunicarse mejor.
Fue entonces cuando los grupos humanos inventaron máquinas simples, que
funcionan como extensión de sus manos, uñas y dientes: rocas afiladas, como
cuchillos, instrumentos de madera para cavar, arpones con puntas agudas de
hueso y muchas otras.
Las cuatro máquinas simples desarrolladas por los hombres primitivos fueron la
palanca, el plano inclinado, la polea y el tornillo.
La palanca es una máquina simple formada por una barra rígida o indeformable,
que gira sobre un punto de apoyo y sirve para vencer una fuerza grande mediante
una fuerza aplicada mucho menor.
El tornillo es un plano inclinado enrollado alrededor de un cilindro. El tornillo, algo

más que una máquina simple, fue uno de los inventos que hizo girar el rumbo de
la humanidad, por muy pequeño e insignificante que parezca. El tornillo fue
inventado por el griego Arquitas de Tarento, filósofo pitagórico. A él también se
debe otro de los grandes inventos del hombre, la polea.
El plano inclinado es una superficie plana que forma con otra un ángulo agudo. En
la naturaleza aparece en forma de rampa, pero el ser humano lo ha adaptado a
sus necesidades haciéndolo móvil, como en el caso del hacha. El plano inclinado
es el punto de partida de un nutrido grupo de operadores y mecanismos cuya
utilidad tecnológica es indiscutible. Sus principales aplicaciones son tres: Se
emplea en forma de rampa para reducir el esfuerzo necesario para elevar una
masa, en forma de hélice para convertir un movimiento giratorio en lineal y en
forma de cuña para apretar, cortar y separar o abrir.
Las poleas son discos con una parte acanalada o garganta por la que se hace
pasar un cable o cadena; giran alrededor de un eje central fijo y están sostenidas
por un soporte llamado armadura.
Combinando varias máquinas simples se pueden obtener máquinas compuestas,

como las que inventó Leonardo Da Vinci. Es evidente que las máquinas simples
se acoplan como partes que e interacción mutua determinan mecanismos capaces
de cumplir con un fin o propósito.
1
Material redactado teniendo como referencia bibliográfica al texto “máquinas simples” disponible en línea en:
http://iesillue.educa.aragon.es/tecno/zonadescarga/maquinasimples.pdf
Sistemas
Una de las definiciones clásicas de la idea de sistemas es la de “un conjunto de
partes en interacción mutua con un fin o propósito”, esta definición muestra una
clara relación con la noción preliminar de máquina. A partir del uso de la metáfora
de sistema para ver el mundo surge un tipo de pensamiento al que se le llama
pensamiento sistémico, en lo que sigue se hace una breve reflexión sobre este
tipo de pensamiento.
Orígenes y perspectivas del pensamiento sistémico

El pensamiento sistémico es un pensamiento impulsado continuamente por un
afán holista. En el texto titulado “pensamiento sistémico: diversidad en búsqueda
de unidad”, se hace una narrativa del mismo por parte del profesor Hernán López
Garay (2001), usando para ello la metáfora deleuziana2 y mediante la cual se
pretende dar cuenta del devenir del pensamiento sistémico a partir de un ejercicio
sistémico, es decir, un ejercicio autorreferencial.
figura 1 Representación de la Metáfora Deleuziana3.

En primer instancia se parte del paradigma mecanicista, pues se considera que el
pensamiento sistémico surge como reacción a éste; posteriormente se hace un
despliegue de las tres “olas” del pensamiento sistémico, mostrando para cada una
de ellas los supuestos onto-epistemológicos que la originan y los quiebres o fallas
que dan paso a la nueva ola.
El paradigma mecanicista parte del hecho de ver el mundo como si éste fuera una
máquina, esto es, que se supone la realidad como compuesta por piezas básicas
o fundamentales que sostienen una interacción mecánica para realizar alguna
tarea. En el caso de la materia, las piezas que se consideran son los átomos, los
protones, los electrones, etc., y su interacción constituye la materia de la cual está
2 Metáfora que ilustra una forma mediante la cual se puede contemplar el estado actual del pensamiento filosófico. Sería
similar a la forma como se contemplaría una formación geológica con los ojos de un geólogo, esto es, no solo se estaría
interesado en hacer mapas y clasificaciones de las rocas expuestas en la superficie de la tierra, sino también, en explicar el
origen y la distribución de las mismas.
3 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg
hecho el mundo natural. Este paradigma considera que para conocer la realidad,
ésta debe ser desmontada de la misma forma en que se procede a la hora de
intentar conocer una máquina, es decir, desarmándola. Una vez analizada la
máquina se procede a reunir todas sus partes, se ensambla y una vez logrado
esto, será posible explicar cómo funciona. El mecanicismo supone que la realidad
es independiente del observador implicando, que éste no tiene acceso directo a
ella y que entonces es necesaria la mediación de los sentidos para poder
atraparla. Esto, a su vez, implica concebir a la mente como un espejo, en el cual
se refleje la realidad para que se produzca el conocer. Ahora bien, para que exista
la objetividad, es necesario que el espejo esté siempre limpio. Una manera de
mantener la mente limpia es tratar de corregir las distorsiones que puedan causar
los valores y las emociones, ¿pero cómo hacer esto?
Esta situación posibilita el surgimiento de los quiebres del paradigma mecanicista

que dan paso al paradigma sistémico y que según la exposición del profesor
López (2001), emergen de la incapacidad por parte del mecanicismo de resolver
problemas asociados a las nociones de telos y propósito, al considéraselas como
ilusorias, mas sin embargo, cuesta trabajo desconocer que la acción humana es
acción con sentido, con propósito.
El pensamiento sistémico tiene como base fundamental la teoría general de

sistemas, en lo que sigue se hace una descripción de la misma sin profundizar en
demasía.
La teoría General de Sistemas

El concepto de “sistema”4 es usado ampliamente para referirse a un sinnúmero de
cosas que van desde los “sistemas” sociales hasta los “sistemas” físicos. Este
concepto ha invadido todos los campos de la ciencia y ha penetrado en el
pensamiento y el habla del común y en los medios masivos de comunicación.
Las raíces de este proceso son complejas. Por un lado está el tránsito desde la
ingeniería energética -la liberación de grandes cantidades de energía, así en las
máquinas de vapor o eléctricas- hasta la ingeniería de control, que dirige procesos
mediante artefactos de baja energía y que ha conducido a las computadoras y la
automación, es decir, el paso del mecanicismo al sistemismo.
Ante la situación previamente descrita se hizo necesario desarrollar un “enfoque

de sistemas”. Este enfoque propone que si se tiene un determinado objetivo, se
deben encontrar o diseñar caminos o medios para alcanzarlo lo que requiere que
el especialista en sistemas (o el equipo de especialistas) considere o diseñe
soluciones posibles y elija las que prometen optimización, con máxima eficiencia y
mínimo costo en una red de interacciones tremendamente compleja. De esto se
desprende la necesidad de máquinas complejas con alta capacidad de cómputo,
4
Texto reconstruido a partir de material disponible en la web: http://www.docstoc.com/docs/57788698/tgsbertalanffy
como las actuales computadoras, que demuestren capacidades más allá de los
alcances propios de un matemático.
La necesidad y factibilidad de un enfoque de sistemas no fue evidente hasta que

se evidenciara que el pensamiento mecanicista de vías causases aislables
resultaba insuficiente para enfrentarse a problemas teóricos, especialmente en las
ciencias biosociales, y a los problemas prácticos planteados por la tecnología
moderna.
A principios de la tercera década del siglo XX, Ludwing von Bertalanffy (1930) se
sentía desconcertado ante vacíos evidentes en la investigación y la teoría
biológicas. El enfoque mecanicista entonces imperante y que acaba de ser
mencionado, parecía desdeñar, si no es que negar activamente, lo que es, ni más
ni menos, esencial en los fenómenos de la vida. Bertalanffy abogó por una
concepción organísmica en biología que hiciera hincapié en la consideración del
organismo como un todo o sistema y viese el objetivo principal de las ciencias
biológicas en el descubrimiento de los principios de organización a sus diversos
niveles.
En conexión con trabajos experimentales acerca del metabolismo y el crecimiento,

por una parte, y con un esfuerzo por concretar el programa organísmico, por otra,
fue adelantada la teoría de los sistemas abiertos, fundada en el hecho bastante
trivial de que el organismo resultaba ser uno de ellos. De estos estudios quedó de
manifiesto una generalización. En muchos fenómenos biológicos, pero también de
las ciencias sociales y del comportamiento, resultan aplicables las mismas
expresiones y modelos matemáticos. La similitud estructural entre semejantes
modelos y su isomorfismo en diferentes campos se tomaron ostensibles, y en el
centro quedaron precisamente problemas de orden, organización, totalidad,
teleología, etc., excluidos programáticamente de la ciencia mecanicista. Tal fue, la
idea de la “teoría general de los sistemas”.
Sistemas Abiertos y Cerrados

La física ordinaria sólo se ocupa de sistemas cerrados, de sistemas que se
consideran aislados del medio circundante. La termodinámica declara que, en un
sistema cerrado, cierta magnitud, la entropía, debe aumentar hasta el máximo, y el
proceso acabará por detenerse en un estado de equilibrio. Puede formularse este
principio de diferentes modos, según uno de los cuales la entropía es medida de
probabilidad, y así un sistema cerrado tiende al estado de distribución más
probable.
Hay sistemas que, por su misma naturaleza y definición, no son sistemas

cerrados; este es el caso de los organismos vivientes que son ante todo sistemas
abiertos. Ellos se mantienen en continua incorporación y eliminación de materia,
constituyendo y demoliendo componentes, sin alcanzar, mientras la vida dure, un
estado de equilibrio químico y termodinámico, sino manteniéndose en un estado
llamado uniforme que difiere de aquél. Tal es la esencia misma de ese fenómeno
fundamental de la vida llamado metabolismo, los procesos químicos dentro de las
células vivas. Es obvio que las formulaciones habituales de la física no son en
principio aplicables al organismo vivo entendido como un sistema abierto y en
estado uniforme, en consecuencia es posible atribuir muchas de las
características de los sistemas vivos, que resultan paradójicas vistas según las
leyes de la física, a este este hecho particular. La TGS ha aclarado muchos
fenómenos oscuros en física y biología, y ha conducido asimismo a importantes
conclusiones generales, de las cuales se mencionan dos.
La primera es el principio de equifinalidad. En cualquier sistema cerrado, el estado

final está inequívocamente determinado por las condiciones iniciales: p. ej., en un
equilibrio químico, las concentraciones finales de los compuestos reaccionantes
depende naturalmente de las concentraciones iniciales. Si se alteran las
condiciones iniciales o el proceso el estado final cambiará también. No ocurre lo
mismo en los sistemas abiertos. En ellos puede alcanzarse el mismo estado final
partiendo de diferentes condiciones iniciales y por diferentes caminos. Es lo que
se llama equifinalidad, y tiene significación para los fenómenos de la regulación
biológica.
La segunda es el aparente contraste entre la naturaleza inanimada y la animada

es lo que fue descrito a veces como violenta contradicción entre la ley de la
disipación en física y la ley de la evolución en biología. De acuerdo con el segundo
principio de la termodinámica, la tendencia general de los acontecimientos en la
naturaleza física apunta a estados de máximo desorden. En contraste, el mundo
vivo exhibe, en el desarrollo embrionario y en la evolución, una transición hacia un
orden superior, heterogeneidad y organización. En todos los procesos irreversibles
la entropía debe aumentar. Por tanto, el cambio de entropía en sistemas cerrados
es siempre positivo. En los sistemas abiertos, sin embargo, no sólo se tiene
producción de entropía debida a procesos irreversibles, sino también entrada de
negentropía (entropía negativa o información). Tal es el caso en el organismo vivo,
que importa complejas moléculas ricas en energía libre. Así, los sistemas vivos,
manteniéndose en estado uniforme, logran evitar el aumento de entropía y hasta
pueden desarrollarse hacia estados de orden y organización crecientes.
Hay un fenómeno importante relacionado con los sistemas, la realimentación. Ésta

es la propiedad en virtud de la cual las entradas de un sistema provocan salidas
que luego se convierten en nuevas entradas cerrando un ciclo. Hay algunos
ejemplos en la naturaleza, por ejemplo la homeostasis. El enfriamiento de la
sangre estimula ciertos centros cerebrales que “echan a andar” los mecanismos
productores de calor del cuerpo, y la temperatura de éste es registrada a su vez
por aquellos centros, de manera que la temperatura es mantenida a nivel
constante. Existen en el cuerpo mecanismos homeostáticos análogos que
preservan la constancia de gran número de variables fisicoquímicas.
Para terminar esta lección hay que hacer notar que una característica de la ciencia
moderna, el esquema de unidades aislables actuantes según causalidad
unidireccional, resultó insuficiente. De ahí la aparición, en todos los campos de la
ciencia, de nociones como las de totalidad, holismo, organismo, Gestalt, etc., que
vienen a significar todas, en última instancia, que se debe pensar en términos de
sistemas de elementos en interacción mutua, es decir, en términos de sistemas.
Análogamente, las nociones de teleología y directividad parecían caer fuera del

alcance de la ciencia y ser escenario de misteriosos agentes sobrenaturales o
antropomorfos, o bien, tratarse de un seudo-problema, intrínsecamente ajeno a la
ciencia, mera proyección mal puesta de la mente del observador en una
naturaleza gobernada por leyes sin propósito. Con todo, tales aspectos existen, y
no puede concebirse un organismo sin tener en cuenta lo que, variada y bastante
vagamente, se llama adaptabilidad, intencionalidad, persecución de metas y cosas
semejantes.
Característico del presente punto de vista es que estos aspectos sean tomados en
serio, como problemas legítimos para la ciencia; y también se está en condiciones
de procurar modelos que simulen tal comportamiento.
Modelos
Esta parte de la lección está destinada a ilustrar algunas características iniciales
acerca del modelado estructural, propio de la dinámica de sistemas, para hacer
representaciones de diferentes tipos de fenómenos.
Inicialmente procede indicar por qué se da en llamar a este tipo de modelado

estructural y posteriormente se hace una breve descripción del modelado funcional
para que el lector haga sus inferencias.
Se dice que es modelado estructural pues todo el interés del modelador se

concentra en describir la estructura que gobierna el fenómeno, estructura que se
determina a partir de las partes que integran el fenómeno, sobre el supuesto
ontológico de que dicho fenómeno puede ser entendido como si fuera un sistema,
en el mismo sentido que fuera definido anteriormente.
En una cierta oposición al modelado estructural está el modelado funcional en el

que el principal interés del modelador consiste en encontrar una función que
describa la diada entrada-salida de un sistema, pero asumiendo el sistema como
una caja negra. Este tipo de modelado es soportado por la estadística y en él los
datos son muy importantes; un ejemplo claro de este tipo de modelado es la
Econometría.
En el capítulo dos se retoman estas ideas y se amplían con el propósito de que

sea el fundamento conceptual necesario para el proceso de modelado sea exitoso.
Lección 2: La Cibernética
A la par que se desarrollaba Teoría General de Sistemas surge la Cibernética de
Norbert Wiener en el año de 1948 como resultado de los adelantos entonces
recientes en la tecnología de las computadoras, la teoría de la información y las
máquinas autorreguladas. Otra vez se dio una coincidencia importante pues
aparecieron casi al mismo tiempo tres contribuciones fundamentales, la
Cibernética de Wiener5 (1948), la Teoría de la información de Shannon6 (1948) y
la Teoría de los juegos de von Neumann y Morgenstern7 (1944). Wiener llevó los
conceptos de cibernética, realimentación e información mucho más allá de los
campos de la tecnología, y los generalizó en los dominios biológico y social. El
concepto de homeostasia debido a Cannon8 fue piedra angular en estas
consideraciones. La enorme popularidad de la cibernética en la ciencia, la
tecnología y la publicidad general se debe a Wiener, con su proclamación de la
Segunda Revolución Industrial.
Si bien la teoría de la información y la teoría de juegos era importante, el proyecto

que mayor repercusión iba a tener en el desarrollo de la cibernética fue
emprendido por Wiener casi inmediatamente después de comenzada la segunda
guerra mundial con el fin de proceder al perfeccionamiento de la artillería
antiaérea. De allí surgen los siguientes razonamientos. El primero, referido a la
absoluta precisión que ha de llevar el proyectil para dar en el blanco, establece
que «predecir el futuro de una curva [en este caso, la de un aeroplano a gran
velocidad] implica resolver una cierta operación sobre su pasado»; el segundo
alude al control humano de la máquina (aeroplano), es decir, los movimientos y
características de la actuación del piloto, ya que este conocimiento es también
determinante para solucionar el problema de que el proyectil alcance el blanco.
Sobre esta segunda cuestión, Wiener concluye que «un factor extremadamente
importante en la actividad voluntaria [del piloto] es lo que los ingenieros de control
denominan regenerador». La idea aquí clave es que «cuando se desea un
movimiento para seguir un modelo dado, la diferencia entre ese modelo y el
movimiento llevado a cabo, de hecho se utiliza como una nueva entrada para
hacer que la parte regulada se mueva en tal dirección que realice su movimiento
más cerca al dado por el modelo», esto es, la realimentación.
Junto a este concepto de regenerador, Wiener también se refiere a otras dos ideas
fundamentales que aparecen en sus investigaciones sobre ingeniería del avión: la
idea de mensaje y la de cantidad de información.
5 Cybernetics or Control and Communication in the Animal and the Machine. Norbert Wiener. New York: John Wiley & Sons,
Inc., 1948. 194 pp
6 Shannon, C.E. (1948), "A Mathematical Theory of Communication", Bell System Technical Journal, 27, pp. 379–423 &
623–656, July & October, 1948.
7 John von Neumann and Oskar Morgenstern: Theory of Games and Economic Behavior, Princeton University Press (1944).
8 Walter Cannon, Organization for Physiological Homeostasis, Physiological Reviews, 9 (1929): 399–427.
La primera, señala que en la comunicación sobre ingeniería del avión se hizo claro
que los problemas de ingeniería de control y de ingeniería de comunicación eran
inseparables y que se centraban no sobre la técnica de ingeniería eléctrica sino
sobre la noción mucho más fundamental del mensaje, ya fuera transmitido por
medios eléctricos y mecánicos o nerviosos.
La otra noción, la de cantidad de información es importante en la moderna teoría

de las comunicaciones. El avance de la ingeniería de la comunicación supuso
necesariamente el desarrollo de una teoría estadística de la cantidad de
información, en la que la cantidad y unidad de información era aquella transmitida
como una sola decisión entre alternativas igualmente probables.
Es en este contexto en el que la Teoría General de Sistemas suele ser

frecuentemente identificada con la cibernética y la teoría del control, pero esto es
incorrecto. La cibernética, como teoría de los mecanismos de control en la
tecnología y la naturaleza, fundada en los conceptos de información y
realimentación, no es sino parte de una Teoría General de Sistemas; los sistemas
cibernéticos son un caso especial de los sistemas que exhiben autorregulación.
La Cibernética, en consecuencia, es una teoría de los sistemas de control basada

en la comunicación (transferencia de información) entre sistema y medio
circundante, y dentro del sistema, y en el control (realimentación) del
funcionamiento del sistema en consideración al medio. Según ha mencionado el
modelo tiene extensa aplicación pero no ha de identificarse con la “Teoría General
de Sistemas” en general. En biología y otras ciencias básicas, el modelo
cibernético conviene para describir la estructura formal de mecanismos de
regulación, p. ej. Mediante diagramas de niveles y de flujo. Así se logra reconocer
la estructura reguladora aun cuando los genuinos mecanismos permanezcan
desconocidos y sin describir, y el sistema sea una “caja negra” definida sólo por
entradas y salidas. Por razones parecidas, el mismo esquema cibernético puede
aplicarse a sistemas hidráulicos, eléctricos, fisiológicos, etc.
En el primer capítulo del libro Cibernética, referente al problema del tiempo en

relación con la ingeniería de la comunicación, Wiener hace una interesante
consideración de carácter filosófico. La cuestión central es la de la reversibilidad e
irreversibilidad del tiempo. En la mecánica de Newton el tiempo es reversible. Esto
significa que las leyes fundamentales de esta mecánica permanecían inalterables
por la transformación de la variable de tiempo t en su negativo.
Los campos de aplicación de la cibernética

Algunos de los campos más destacados en los que la cibernética tiene, o puede
tener en el futuro, importantes aplicaciones prácticas, son las prótesis en
miembros amputados o paralizados, la construcción de robots y máquinas
artificiales, la de máquinas diseñadas para realizar diagnósticos médicos y las
máquinas de traducir.
Pero va a ser en el campo de las ciencias humanas, principalmente en la

sociología y en la economía, donde desde muy pronto se pretenderá que incida la
cibernética, a fin de paliar o resolver los agudísimos problemas sociales y
económicos de esta época. Amparándose en la importancia de la noción y técnica
de la comunicación en el sistema social, así como en los trabajos de Von
Neumann y Morgenstern sobre la teoría de los juegos, los antropólogos doctores
Gregory Bateson y Margaret Mead insistieron a Wiener para que dedicase una
gran parte de sus energías a discutir la relación de la cibernética con el conjunto
social, a fin de paliar los problemas sociológicos y económicos de la presente era
de confusión.
Lección 3: El Concepto de Sistema

Existe una amplia gama de definiciones para el concepto de sistema. Una
definición genérica de sistema es la proporcionada por Bertalanffy (1976) quien lo
define como “un complejo de elementos interactuantes”.
Otra definición de sistema, la proporciona McLeod (2000) afirmando que “un

sistema es un grupo de elementos que se integran con el propósito común de
lograr un objetivo.”
Para O’Brien (1993) la idea de sistema se puede formular como sigue: “grupo de
componentes interrelacionados que trabajan juntos hacia un fin común, aceptando
inputs y produciendo outputs en un proceso de transformación organizado.
En Murdic (1988) se propone que sistema es un “conjunto de elementos

organizados que se encuentran en interacción, que buscan alguna meta o metas
comunes, operando para ello sobre datos o información sobre energía o materia u
organismos en una referencia temporal para producir como salida información o
energía o materia u organismos”.
De la racionalización de las definiciones previas se deducen las siguientes

consideraciones: Un sistema es un conjunto de elementos organizados que
interactúan entre sí, esta interacción entre los elementos es vital para que un
conjunto de partes pueda ser considerada como si fuera un sistema. En oposición
un conjunto de elementos sin interacción entre ellos no puede ser visto como un
sistema, al menos para los propósitos de este curso.
Para que algo pueda ser visto como si fuera un sistema es claro que no debe ser
la simple suma de sus partes. La idea de sistema presupone metas y objetivos,
además, de la interacción entre elementos, éstos deben tener un objetivo,
compartido o no. Los fenómenos que son vistos como sistemas tendrán entradas y
salidas, tomando las entradas, procesándolas y generando una o varias salidas.
Se cita a continuación algunos ejemplos de cosas a las que se les puede

denominar como sistemas, para continuar ilustrando el concepto. En primer lugar,
un “sistema” por antonomasia: el sistema solar; en este caso los elementos que lo
componen pueden ser considerados, a su vez, sistemas: planetas y satélites,
estrellas, etc. Otro ejemplo de “sistema”, de naturaleza distinta es una central
nuclear; en ella los elementos interactúan entre sí con la meta final de obtener
energía. Un tercer ejemplo de “sistema” que se puede citar es una computadora,
cuyos componentes interactúan entre sí con objeto de facilitar el trabajo de las
personas. Otro ejemplo típico de “sistema” es la universidad, en cuyo seno se
pueden distinguir grupos que pueden tener, a su vez, la consideración de
sistemas. Un último ejemplo de “sistema” puede ser el constituido por una
empresa de venta de muebles, en el que se pueden distinguir diferentes
elementos, cada uno de los cuales tiene sus propios objetivos que pueden, en
ocasiones, entrar en conflicto con los objetivos de otros elementos del mismo
sistema. Nótese que algunas veces el concepto de sistema va entre comillas, con
ello se quiere significar que los sistemas, como las cosas, no tienen existencia
propia, pues son ideas, ideas que al igual que los números usamos para tener un
referente para comunicarnos. Es claro que es posible ver un dos o un tres, sólo se
usan esas nociones para decir, por ejemplo, 2+3 = 5, lo que sí hay son dos
árboles o tres vehículos.
Se podría seguir proponiendo ejemplos sin temor a que se agoten, pero los
anteriores son, por el momento, suficientes para apreciar la gran disparidad de
cosas a las que podemos llamar “sistema”. Sin embargo, la esencia básica en
todas esas cosas es la misma: todas están compuestos por partes que se inter
relacionan.
Lección 4: El Pensamiento de Sistemas

Esta lección tiene como propósito hacer un recorrido sobre las diferentes nociones
acerca del pensamiento sistémico teniendo como punto de partida el pensamiento
cibernético.
La crisis del modelo tradicional de la ciencia, el paradigma mecanicista, da paso a

la primera ola del pensamiento sistémico, denominada paradigma cibernético que
consistía en una especie de lectura mecanicista del organismo, el cual tomaba
como objeto de estudio los sistemas de control y autocontrol tanto en organismos
como en máquinas, poniendo de manifiesto que la premisa fundamental del
mecanicismo se mantiene, es decir, que se sigue asumiendo que la realidad es
independiente del observador y que la mente es un espejo que debe mantenerse
limpio. En este paradigma se asume que la realidad está formada por sistemas,
compuestos de estructura o configuraciones básicas que les permiten cumplir con
sus fines o funciones. En este orden de ideas, los fenómenos pueden ser
explicados en su comportamiento a partir de la configuración de sus estructuras,
enfoque que también es llamado estructuralista.
Una de las preguntas que pueden surgir en el paradigma cibernético es

precisamente la que indaga por el cómo identificar algo como sistema; se debe
recordar que se ha dicho que en este paradigma la realidad está compuesta por
sistemas; además asociada a esta pregunta surge la de cómo se determinan los
límites del sistema. Es posible intentar resolver estas preguntas indagando por los
fines del sistema, pero esto trae como inconveniente el que no es posible hacerlo
de manera “objetiva”, pues no se puede describir un sistema independientemente
de los puntos de vista de cada quien, esto quiere decir según el profesor López
(2001), que la descripción incluye al que describe.
Ante esta imposibilidad por definir “objetivamente” los límites del sistema, el
paradigma cibernético se encuentra ante hechos que es incapaz de explicar, es
decir, aparece un quiebre o falla que posibilita el que emerja un nuevo paradigma.
Éste es el paradigma perspectivista, en el que se puede identificar dos ideas
claves que se originan a partir de la problemática de la relación sistema objeto de
estudio y observador, la idea de perspectiva y la idea de construcción de la
realidad. La primera de ellas, el perspectivismo, supone que las cosas se
presentan según la perspectiva del observador, es decir, que la realidad no se
presenta independiente del observador y su punto de vista. A si mismo aparece
otro supuesto que indica que una sola perspectiva no agota la realidad del objeto,
esto quiere decir que cada perspectiva solo abre un aspecto específico de la
realidad. Ante esta situación puede aparecer como pertinente la siguiente
pregunta: ¿Cómo se podría saber cuándo una perspectiva no es buena y por lo
tanto los conocimientos que se obtienen no sean verdaderos? Podría decirse,
según López Garay, que se debería contrastar los resultados con los hechos; pero
a su vez esto traería como problema el que se debería elaborar una perspectiva
neutra o perspectiva de perspectivas, pero a su vez este hecho entra en
contradicción con los supuestos iniciales del paradigma perspectivista. La segunda

idea resulta en el paradigma constructivista y puede ayudar a responder la
pregunta que se aparece en el paradigma perspectivista. La respuesta comienza
por aceptar que el conocimiento que se tiene del mundo, siempre va a estar ligado
a la perspectiva de la cual proviene y en consecuencia se debe aceptar que no
existe cosa alguna como la realidad absoluta e independiente del observador,
esto es, que como observadores se contribuye en la construcción de la realidad
que es percibida. Los abanderados de esta propuesta son los profesores chilenos
Humberto Maturana y Francisco Varela (1984), quienes plantean que la existencia
de una realidad depende de las operaciones de distinción que se hacen el
lenguaje, por ello de algún modo el observador y lo observado se constituyen
mutuamente. En la medida en que es posible existir en diferentes dominios de
descripciones, cada uno con criterios de validación propios, se tendrá que hablar
de múltiples realidades y no de una sola. Debe quedar claro que a diferencia del
perspectivismo, en donde se tienen diferentes perspectivas de una misma
realidad, lo que plantea Maturana (1997) es que existen múltiples realidades o
“multiversos”.
Si todos no pueden acudir a la misma realidad, ¿cómo se puede asegurar algo

sobre la verdad o validez de cada descripción? Esta validez se da en la
confrontación con los otros, es decir, que ésta se da en el lenguaje, lo cual implica
que haya un consenso, a partir de la coordinación de coordinación de acciones en
un espacio o dominio común de experiencia.
Ante este panorama en que se tiene, que por un lado la realidad existe
independiente del observador y por otro, que la realidad es mera construcción
conversacional del hombre aparece el paradigma holista fenomenológico. El
problema que subyace a estos dos extremos consiste en que la separación entre
sujeto y objeto no es posible sostenerla intocable ni siquiera en la física y de otra
parte la posibilidad de que el mundo sea solamente creación conversacional, hay
que descartarla si por ello se entiende la sola construcción mental de los agentes
que conversan. La respuesta que la tercera ola plantea es, según el profesor
López (2001), “¿qué tal si el manifestarse de las cosas es primario a cualquier
división mente-objeto, sujeto-objeto?”, esto es, que las cosas son, pero son con
nosotros, es decir, que las cosas son en su relación con nosotros, al presentarse
en un fondo con el cual forman una unidad. Para este paradigma sistémico
emergente desaparece la noción de cosa como objeto fijo y cobra predominancia
los eventos fundadores de las cosas y el continuo devenir de la existencia, el flujo
del mundo.
En síntesis, todo lo que es va precedido de un evento fundador, se da siempre en

un fondo y es un continuo siendo. Una metáfora que explica estas ideas es el
remolino de agua.
figura 2 Remolino de agua9.
Finalmente, comenta el profesor López (2001), aparece la intencionalidad como la

fuerza que continuamente trae a presencia todo lo que es, desplegándolo en el
abierto que somos y al mismo tiempo haciendo presente nuestra presencia.
Con esto se termina esta breve presentación de lo que ha sido el desplegar del
paisaje del pensamiento sistémico. Para una mayor descripción del mismo se
invita al lector a revisar el libro “Pensamiento Sistémico, diversidad en búsqueda
de unidad, ediciones UIS 2001”.
9 Imagen tomada de http://copyme.org.mx/imagenes_copyme/sidic/remolino.jpg

Lección 5: Perspectivas del Pensamiento de Sistemas

En 1947 Bertalanffy (1979) afirmaba: “existen modelos, principios y leyes
aplicables a sistemas generalizados o a subclases suyas independientemente de
su naturaleza, del carácter de los elementos componentes y de las relaciones o
"fuerzas" existentes entre ellos”. Esta Teoría General de Sistemas surge, según
Bertalanffy, de las siguientes consideraciones que son citadas por Javier Aracil
(1987).
 Existe una tendencia general hacia la integración en todas las ciencias,

tanto naturales como sociales;
 Esta integración puede centrarse en una teoría general de sistemas;
 Esta teoría puede ser un medio importante para conseguir una teoría
exacta en los campos no físicos de la ciencia;
 Esta teoría conduce a la unidad de la ciencia, al desarrollar principios
unificadores que integran, verticalmente, el universo de las ciencias
individuales;
 Todo ello puede conducir a una integración, ampliamente necesitada, en la
educación científica.
Sobre los anteriores puntos Bertalanffy intentó construir una meta-teoría de alto
nivel sobre sistemas. En 1955 se anuncia la creación de la Sociedad para el
Progreso en Teoría General de Sistemas. El propósito de ésta era la promoción de
"sistemas teóricos aplicables a más de un campo de los tradicionalmente
considerados en la ciencia". En Checkland (1981) se mencionan sus objetivos.
 Investigar el isomorfismo de conceptos, leyes y modelos en varios campos

y facilitar la transferencia de conocimientos de un campo a otro;
 Promover el desarrollo de modelos teóricos adecuados en las áreas que
carezcan de ellos;
 Suprimir la duplicación de esfuerzos teóricos en diferentes campos;
 Promover la unidad de la ciencia a través de la mejora de las
comunicaciones entre especialistas.
Para los seguidores de Bertalanffy la Teoría General de Sistemas es, en última

instancia, una perspectiva o paradigma nuevo, una nueva forma de hacer ciencia,
incluso van más allá al considerar que más que una teoría, en el sentido
tradicional del término, es un paradigma para desarrollar teorías y síntesis trans-
disciplinarias.
En cuanto al enfoque sistémico, se trata más de una forma de interpretación, de

una herramienta, que de una disciplina científica. No se propone como un nuevo
paradigma científico aunque se reconoce la importancia de este nuevo punto de
vista. Para la mayoría de los pensadores sistémicos es una herramienta
conceptual que permite manejar realidades complejas y que además es un reflejo
de esa realidad. Otra cosa es que se disponga de métodos genéricamente válidos

para tratar con los sistemas o que se haya alcanzado un grado de formalización
aceptable. Para terminar este apartado se puede citar al economista Herbert
Simon (1967), quien resume muy bien el papel que juega el enfoque sistémico: "su
popularidad es más la respuesta a una acuciante necesidad de sintetizar y
analizar la complejidad que el desarrollo de un cuerpo de conocimientos y técnicas
para tratar la complejidad".
CAPÍTULO 2: EL MODELADO
Introducción
Esta parte del capítulo 2 estará destinada a la revisión del concepto de modelo
procurando dejar claras las diferencias que se dan entre entender modelo como
guía y modelo como representación, ésta es una diferencia clave a la hora de
abordar el proceso formal de modelado.
El modelado es básicamente una actividad que mediante un procedimiento y el

conocimiento de una técnica permite construir representaciones del mundo.
Generalmente se modelan problemas pues el propósito del modelado es conocer
su estructura de tal forma que sea posible diseñar estrategias de intervención que
lleven de la situación actual (situación problémica) a una situación deseada.
Lección 6: La Dinámica del Ser al Existir

Esta lección tiene como propósito que el lector haga una aproximación a la
manera en que se generan los conceptos a partir de los procesos de connotación
y denotación que se dan entre la cosa observada y el observador. Este apartado
toma como guía el trabajo del Dr. Luis Facundo Maldonado y el MsC. David
Macías, titulado, “el universo de las competencias en el aprendizaje”.
Los autores proponen como supuesto ontológico el hecho de que hay un universo
de entidades independiente del proceso de conocimiento humano. Para
contextualizar la idea usan el ejemplo de la llamada Peste Negra, la cual hizo
estragos en la población de Europa y Asia en el Siglo XIV; algo similar sucedió con
la Gripe en los años 30 del siglo XX. Los autores indican que detrás de los dos
fenómenos hubo microorganismos responsables de las enfermedades, sin
embargo, para esa época, estos agentes eran desconocidos. Eran, pero no
existían. Estaban actuando, pero no había persona alguna que los hubiera
identificado – representado – objetivamente. Se necesitó desarrollar un sistema
conceptual y dispositivos tecnológicos, como el microscopio y los reactivos
químicos, para poder identificar a estos seres minúsculos capaces de invadir a los
organismos humanos y provocar su muerte. En este momento estos
microorganismos existen para los expertos. Otros microorganismos aún no
existen, es decir no han sido descubiertos.
figura 3 Ilustración de la Peste en la Biblia de Toggenburg 10.
Siguiendo con la lógica planteada por Maldonado y Macías el existir implica el ser
y el conocimiento de ese ser. El existir, en consecuencia, es una forma de relación
entre entidades y los agentes que las pueden conocer. Las entidades son y,
10 Imagen tomada de http://www.esacademic.com/dic.nsf/eswiki/540575

cuando alguien las conoce, existen para ese alguien. El avance de la investigación
y del conocimiento se da en la medida en que las entidades pasan del universo del
ser al universo del existir.
A continuación los autores referenciados exponen el proceso de transición de una

entidad del universo del ser al universo del existir. Cuando hay algún contacto
entre la entidad (fenómeno) y el sistema perceptivo del agente cognoscente, éste
genera nombres para el fenómeno. Dado que el cognoscente es un sistema con
memoria, cuando, en el futuro aparece el nombre, éste suscita el recuerdo o
imagen mental del fenómeno; y cuando aparece nuevamente la entidad, se suscita
el recuerdo del nombre.
Hay una relación entre la representación mental – concepto -, el objeto y el

nombre. Aristóteles denominó a esta relación, el triángulo de la significación, ver la
figura 4.
figura 4 El triángulo de la significación
Por ejemplo, el nombre “casa” es el significante, es decir, la manera fonética.

Cuando se escucha el nombre, pasan dos cosas en el cerebro: viene a la persona
el significado de ese nombre, que para el caso es “un lugar para vivir” y también
recrea una imagen mental del nombre y del concepto, que es la imagen de una
casa (objeto), muy seguramente la que conozca la persona.
Los nombres tienen como referente la entidad manifestada al cognoscente o

fenómeno, en un contexto. Se habla de denotación para indicar la relación del
nombre con la entidad y de connotación para indicar la relación de la entidad con
el contexto donde aparece, y a la forma como podemos entrar en contacto con la
entidad.
El contexto de una entidad son otras entidades y fenómenos asociados a ellas. El

proceso de conocer necesariamente involucra un proceso de diferenciación
progresiva, de tal manera que, en la medida en que suceden contactos entre la
entidad y el cognoscente, las dimensiones denotación y connotación se hacen

más evidentes.
Los nombres en cuanto denotan y connotan entidades y contextos, forman las

categorías. El nombre responde a una representación mental, soportada por una
estructura neuronal interna, que naturalmente tiene un sistema de rasgos de una
entidad como referente y que se forma como resultado de las veces en que las
entidades son reconocidas como de la misma clase y se diferencian de los
contextos asociados y las condiciones de observación.
Por tanto, la representación que externamente aparece como un nombre y

neurológicamente se muestra como una estructura- patrón de reconocimiento -,
constituye el concepto.
El nombre y el concepto van fuertemente asociados. Puede haber varios nombres

que corresponden a la misma representación o concepto. Un ejemplo ilustrativo es
el de las palabras de diferentes idiomas para el mismo concepto. El concepto es la
base común en las traducciones de un idioma a otro.
Normalmente, si un científico descubre una entidad, trata de repetir observaciones

de la misma, generando variaciones en los contextos para consolidar la
diferenciación del concepto. Como resultado, la representación se generaliza
identificando los rasgos fundamentales que se preservan en los diferentes
contextos e identifica las formas de observación y, en algunos casos, formas de
medida. La última dimensión es muy importante en las prácticas científicas. Un
concepto, por tanto, denota un tipo de entidades, abstrae características hasta
quedarse con las que considera fundamentales, y asocia dimensiones
operacionales para relacionarse con las entidades que denota. Estas tres
dimensiones constituyen el significado del concepto.
Los planteamientos de Maldonado y Macías resultan de capital importancia pues

es a partir de ellos que se inicia todo proceso de modelado, es decir, no se puede
iniciar el proceso en sí mismo si el fenómeno no existe para el modelador.
Lección 7: La idea de Modelo
Modelo y modelado
Para efectos de un mejor entendimiento de este texto es pertinente hacer claridad
sobre algunos conceptos que se manejarán en adelante con el sentido que
seguidamente se expone.
Se definirá inicialmente la idea de modelo y para ello se recurrirá a algunos

autores. Por ejemplo, Mario Bunge (1985), define modelo como “cualquier
representación esquemática de un objeto”. Otro autor que puede aportar en la
definición de modelo es Peter Checkland (1992) para quien modelo es “una
construcción intelectual y descriptiva de una entidad en la cual al menos un
observador tiene un interés”. Según se puede apreciar es posible identificar dos
posiciones ontológicas bien definidas; de una parte una posición fenomenológica
en la cual se puede ubicar la definición de Checkland y una positivista en la cual
se puede encuadrar la definición de Mario Bunge11.
Por tanto es importante, que al hablar de modelos, se declare formalmente cuáles

son las posturas ontológicas en las cuáles está ubicado el modelador, pues
dependiendo de éstas la idea de modelo puede tomar rumbos incluso hasta
contrarios. Lo anterior se recrea en las siguientes definiciones de modelo, que
parafraseando a Jesús Mosterin (1984) serían: aquello que sirve para representar
o aquello que sirve para ser representado. Se sugiere revisar la figura 7.
En la lección que sigue se hace una mayor definición de lo que se entiende por
estas dos acepciones del concepto modelo.
11 Una posición ontológica fenomenológica es aquella que se caracteriza por un afán en conceder más importancia a los
procesos de construcción mental de los observadores, que al mundo externo; y a su vez, en una posición ontológica
positivista, el afán está en conceder primordialmente atención al mundo externo como dado, el cual puede ser conocido
fundamentalmente mediante la evidencia experimental.
Lección 8: Modelo: para Representar o para ser Representado

En lo que sigue se presenta un dibujo que ilustra la idea de modelo como aquello
que sirve para representar; en él la ecuación diferencial (A) es el modelo del
gráfico del circuito (B) y éste a su vez es el modelo del circuito real (C). Incluso se
puede afirmar también que A es el modelo de C, es decir, que A representa a C.
Nótese que en este caso el modelo es posterior a la realidad modelada.
figura 5 Modelo del circuito RLC12.
La siguiente pintura ilustra el caso típico en que el pintor se sirve de una “modelo”
para realizar su obra de arte. En este caso la mujer es el “modelo” que servirá
para ser representado en la pintura; como se puede deducir, el modelo (la mujer)
es primero en el tiempo.
figura 6 Modelo y Pintor de George Owen Wynne Apperley13.
12 Imágenes tomadas de la Internet

13 Imágenes tomadas de http://www.culturandalucia.com/pintor_y_modelo.jpg
Ahora se invita al lector para que observe detenidamente la siguiente gráfica, en

ella se muestra un ícono de la ciudad de Paris, además de exponer una serie de
representaciones, todas ellas sobre la famosa torre Eiffel. Se expone de nuevo las
definiciones expuestas por Mosterin: Modelo como aquello que sirve para
representar y Modelo como aquello que sirve para ser representado.
figura 7 Modelo y Realidad14.

Se espera que luego de haber observado detalladamente la figura 7 el lector esté
en capacidad de dar respuesta las siguientes preguntas: ¿qué es modelo de
qué?, ¿qué cosa es realidad, el plano, la maqueta, la torre o el sándwich?, ¿se
podría acaso afirmar que la maqueta es un modelo en tanto que ésta sirvió para
ser representada en la torre o que el sándwich es un modelo porque sirve para
representar la torre? Se espera que el lector pueda, de manera consciente, dar
respuesta a estos interrogantes.
Continuando con la figura 7 es válido reflexionar con respecto al sentido de la

línea del tiempo al momento de definir algo como modelo, pues en ocasiones el
modelo es antes que lo que representa y en otras tantas es posterior a lo
representado, esto dependiendo de lo que se asuma como modelo.
En Dinámica de Sistemas es claro que la idea de modelo que interesa es aquella

en la que el modelo representa la cosa modelada y que éste servirá a quien hace
la representación para responderse preguntas acerca de la cosa representada. En
este orden de ideas modelo, según Pineda (2005), podría definirse como “aquella
representación que un observador construye a partir de su propia o ajena
percepción de lo real y que posteriormente usará según sus propósitos”. Ésta
definición plantea de inmediato el problema de definir otros conceptos como:
representar, observador, lo real y propósito. Se deja esto como tarea para que los
estudiantes la realicen en sus momentos de ocio.
14 Imágenes tomadas de la Internet

Lección 9: Modelado Según su Uso

Según sea el resultado esperado, a partir del uso que el modelador haga del
modelo, se puede entonces determinar una clasificación15 del proceso de
modelado. Si el principal interés radica en el entendimiento del fenómeno para
quien realiza el modelado, se puede aseverar entonces que se trata de un
modelado para el aprendizaje; pero si el modelado se realiza con la pretensión de
que el modelo resultante sirva para dar cuenta a otros del fenómeno, entonces se
estaría hablando de un modelado para la explicación; y en tercera instancia si no
solo se desea aprender o explicar, sino que la intención central consiste en tener
un referente (en el modelo) sobre el fenómeno para posteriormente realizar en él
(lo real) una acción con un propósito específico, se estaría hablando de un
modelado para la intervención.
En los párrafos siguientes se hará una descripción más detallada de cada una de
dichas opciones de modelado.
Modelado Para El Aprendizaje

Según el diccionario de la RAE, aprender es “adquirir el conocimiento de algo por
medio del estudio o de la experiencia”. Considerando la anterior definición y
teniendo en cuenta lo que implica el proceso de modelado en el modelador, es
posible considerar que éste llega a construir conocimiento sobre lo modelado; de
no ser así, no sería posible la realización del modelo, puesto que dicho modelo
viene siendo la representación del fenómeno.
En la figura 8 se ilustra la forma como, mediante el proceso de modelado, se

puede llegar a generar aprendizaje en el modelador. También se puede apreciar
que el punto de partida viene siendo la observación de lo real. Aquí lo real
subyace a la idea según la cual se asume la existencia de un “universo” 16 y es por
ello que se puede hablar de lo real como algo único de lo cual cada quien tiene
una percepción. Según Parra y Andrade (2002), dicha percepción presupone
entonces que no se tiene una “anteojera” especial que le permita a cada
observador percibir lo real de la misma manera y el hecho de llegar a reconocer
dicha situación sienta las bases para que se pueda dar el reconocimiento de las
diferentes perspectivas y en consecuencia que se dé el reconocimiento de la
perspectiva del otro.
Se debe considerar también que la percepción que tiene el modelador de lo real,

es decir la realidad por él percibida, es posible que la adquiera ya sea por su
propia capacidad de observación, o haciendo uso de la capacidad de otros, es
decir, usando las teorías que también son una interpretación consensuada y
15 Esta clasificación resulta de un proceso reflexivo en torno a la praxis de modelado realizado en el grupo Simon de
investigaciones de la UIS, orientado especialmente por el profesor Hugo Hernando Andrade Sosa.
16 Para un mayor detalle consultar el texto “La objetividad, un argumento para obligar” escrito por el doctor Humberto
Maturana..
ampliamente aceptada de lo que aquí se ha dado en llamar como lo real. Luego

que se ha percibido lo real, esta percepción se aloja en la mente del modelador en
la forma de un modelo mental que, según Peter Senge (1999), “son supuestos
hondamente arraigados, generalizaciones e imágenes que influyen sobre nuestro
modo de comprender el mundo y actuar”. Tales modelos mentales se convierten
entonces en las representaciones que cada modelador tiene de su propia
percepción de lo real.
figura 8 Modelado para el aprendizaje.
Según se aprecia en la figura 8 se cierra un primer ciclo de aprendizaje al cual

cabe señalársele como aprendizaje informal, pues no hay más presencia de dicho
aprendizaje que en la mente del modelador. Posteriormente el modelador puede
explicitar su modelo mental mediante alguna forma de modelado (Econometría,
Dinámica de Sistemas, etc.) de tal forma que se tiene un “copia” formalizada,
mediante el lenguaje de modelado usado, del modelo mental.
El modelo formal tiene la ventaja que puede ser más fácilmente comprendido por
otros observadores sin la indispensable presencia del modelador, en tanto que
éstos solo requieren del conocimiento del lenguaje de modelado con el cual fue
hecho. Ya con el modelo formalizado, preferiblemente de manera matemática, se
puede recurrir a la simulación por computador para generar posibles estados del
sistema que contrastados con la percepción de lo real puede generar cambios en
los modelos mentales del modelador y es aquí en donde surge un segundo ciclo
de aprendizaje denominado aprendizaje formal. De esta manera si el modelado
sólo se realizara hasta este punto se tendría entonces un modelado para el
aprendizaje; dicho modelado puede llegar a ser pertinente en la medida en que se
pueda adoptar como estrategia pedagógica en los procesos de aprendizaje
formalmente establecidos.
Modelado Para La Explicación

Si el proceso de modelado no se detiene en el punto antes señalado y por el
contrario es usado por parte del modelador para dar cuenta del fenómeno
modelado, a otros observadores, se estaría en frente de un modelado para la
explicación. Ver la figura 9.
figura 9 Modelado para la explicación.
El modelado para la explicación contiene dentro de sí el modelado para el

aprendizaje y considera además las relaciones establecidas en la figura que van
desde el modelo formal hacía la percepción de lo real; dicha relación así indicada
muestra que el modelo formal, pertinente según el criterio del modelador para el
caso que le ocupa, puede en consecuencia ser usado para dar cuenta del
fenómeno cerrándose nuevamente otro ciclo señalado como el ciclo de la
explicación. En este caso el modelado para la explicación sería favorable a
aquellos que cumplen con la tarea de la docencia en un primer instante en el
proceso de enseñanza, posteriormente los alumnos podrían usarlo para realizar
explicaciones de sus propios modelos mentales, convirtiéndose así el modelado
en una buena estrategia para el aprendizaje, en la medida en que se tendrían
modelos mentales compartidos.
Modelado Para La Intervención

Si además de aprender y poder ofrecer explicaciones sobre lo modelado, la
intención del modelador es intervenir en lo modelado, es decir, en lo real para
llevarlo a un estado deseado, se estaría frente a un modelado para la intervención.
Dicho modelado además de incluir las dos anteriores formas de modelado
consideraría de parte del modelador su intervención directa sobre lo modelado en
procura de la consecución de objetivos: Se diría aquí que se usa el modelo para
apoyar el proceso de toma de decisiones, pues esta situación particular pone de
manifiesto que el proceso de modelado no solo sería apropiado en los procesos
de aprendizaje, sino que también lo serían en el campo de desempeño profesional

del modelador. En la figura 10 se observa como el modelado para la intervención
incluye un nuevo ciclo al que se le ha denominado ciclo para la intervención,
entendiéndose que lo que se interviene es lo real.
Dicho ciclo se muestra con la línea que va del modelo formal a lo real y en él se
indica como el modelado, considerado de esta manera, puede ser muy importante
a la hora de tomar decisiones, pues mediante la simulación por computador se
tendría a disposición un futuro plausible, lo que haría del proceso de toma de
decisiones ciertamente un tanto menos incierto.
figura 10 Modelado para la intervención

De esta lección queda claro que es posible, mediante el proceso de modelado,
promover la formación de competencias interpretativas, argumentativas y
propositivas en la medida en que se aprende, se explica y se diseñan estrategias
de intervención a partir del proceso de modelado, respectivamente.
Lección 10: Modelado Según su Proceso

Cuando se aborda la construcción de un modelo es posible llevarla a cabo cuando
menos de tres formas a saber: el modelado de réplica, el modelado de
reconstrucción y el modelado de construcción. En lo que sigue se hará una
descripción de cada una de estas formas.
Modelado De Réplica
Se caracteriza principalmente por ofrecer explicaciones de las perspectivas de lo
real a partir de las que ofrece la teoría u otra persona distinta al modelador. Este
tipo de modelado parte de la teoría que explica el fenómeno a ser modelado y
procede a implementar, con los útiles de la forma de modelado usada, las
explicaciones que la teoría ofrece sobre lo real. En este tipo de modelado, el
modelador cumple meramente con un papel secundario, el de traductor del
lenguaje de la teoría al lenguaje de la forma de modelado. Debe entenderse que
en este tipo de modelado, el rol del modelador es pasivo en el proceso de
aprehensión y comprensión del fenómeno, pues su perspectiva de lo real no
interesa aquí, sino la que la teoría o el otro plantea. En este tipo de modelado se
busca que el modelo replique lo que la teoría explica y no hay mucha
preocupación si dicha réplica es coincidente con la perspectiva que tiene el
modelador.
figura 11 Modelado de réplica
Esta clase de modelado se soporta en una serie de supuestos que se hacen

explícitos facilitando el dar sentido por parte del modelista a su labor. A
continuación se indican los que se han identificado como los principales supuestos
subyacentes al modelado de réplica.
El primero es que la realidad existe de manera independiente al observador por lo

que es posible describirla por intermedio de una teoría sin importar quien la usa y
el contexto en el que se aplica. En el caso del modelado de réplica la
representación que se hace de la realidad corre por cuenta de la capacidad de
explicación que tenga la teoría; pues en este caso se asume la teoría como la
mejor explicación y acto seguido se procede a armar el modelo con los útiles o
herramientas de modelado, logrando de esta manera representar la realidad que
muestra la teoría al modelista.
Otro de los supuestos se basa en que la explicación de la realidad es asumida por

la teoría. Finalmente se reconoce que la estructura es asumida directamente de la
teoría y que en la mayoría de los casos estas estructuras son de tipo secuencial
antes que circular, debido a la forma de pensamiento dominante, es decir, la
perspectiva reduccionista o mecanicista.
Modelado De Reconstrucción
Otro proceso de modelado es el de reconstrucción en el cual las explicaciones que
brindan los modelos siguen siendo guiadas por la teoría pero no ya como una
repetición de lo expuesto por ella sino que en este caso la teoría es una guía y el
modelista intenta, a partir de su propia perspectiva de lo real, reconstruir el
conocimiento que representa la teoría.
Es importante señalar que en este caso el modelador empieza a involucrar en el

proceso de modelado su propia perspectiva de lo real tratando de reconstruir el
conocimiento que se encuentra inmerso en la teoría que le sirve como guía. Este
tipo de modelado es de interés, pues de alguna manera el modelista comienza a
ser consciente del proceso de modelado lo que en cierto sentido genera un
proceso de construcción del conocimiento, idea bastante cercana a lo que propone
al respecto, el constructivismo, en la perspectiva de Vigotsky. Esta situación se
sale definitivamente de la mera acción calculadora del modelado de réplica y se
pasa a una acción con propósito mucho más reflexiva, en la medida en que el
modelista debe recrear la realidad percibida haciendo que dicha percepción
recreada en el modelo represente de una forma que se corresponde más con lo
real.
Esta forma de modelado tiene en cuenta la realidad tanto al momento de modelar

como al momento de validar, claro está, manteniéndose a la teoría como el eje
central de la indagación. Ver la figura 12.
Al igual que en el modelado de réplica existen algunos supuestos entre ellos que:
La realidad se percibe como existente de manera independiente al observador17,

siendo la teoría la que mejor puede describirla. Este hecho no implica una
condición monopolística para la teoría pues se admite que el observador puede
tener representaciones de lo real, claro está, mediadas por la explicación teórica.
figura 12 Modelado de reconstrucción.
Es a partir de esta situación en que el observador puede notar que ciertas cosas
que su percepción de lo real presenta o manifiesta, no son plenamente explicadas
por la teoría, situación que da inicio a un proceso de reflexión conducente a uno
más complejo como es el aprendizaje. Otro de los supuestos es que la teoría
sigue siendo la que tiene la mayor capacidad de explicar la realidad, pero es el
modelista el que empieza a ser parte activa en esta interpretación, sin gozar aún
de plena discrecionalidad para definir sus propias explicaciones.
Modelado De Construcción
La tercera forma de modelado corresponde a una forma de construcción del
conocimiento; en esta forma de modelado no se renuncia a la teoría como guía,
pero ésta pierde su papel protagónico cediéndoselo a la realidad o percepción de
lo real, que se convierte así en la fuente inspiradora y sobre la cual posteriormente
se actuará con el modelo ya construido. La construcción del modelo, en este caso
particular, tiene un especial interés, pues se incita al modelizador a emanciparse
del poder monopólico-explicativo que ostenta la teoría acerca de lo real y lleva al
modelador a atreverse a proponer explicaciones que se soportan en su propia
perspectiva, es decir, se genera nuevo conocimiento.
17 Es decir que todo observador comparte con los demás la misma percepción de “lo real”.
En esta forma de modelado es posible encontrar claras diferencias en términos del

modelado, fundamentalmente en la concepción onto–epistemológica18 de la
realidad, es decir, el ser y el deber ser de la misma, en tanto se asume la realidad
como si fuera un sistema y por tanto estudiándola como tal.
Entre los principales supuestos se tiene que la realidad puede ser concebida como
dependiente del observador, es decir, que existirán tantas realidades o
percepciones de lo real como observadores haya. Esto no quiere decir que las
diferentes perspectivas sean completamente irreconciliables, lo que se espera
precisamente es que se dé un espacio para reconocer la perspectiva del otro. En
este espacio debe aparecer un proceso de aprendizaje a partir de la explicitación
de los modelos mentales de quienes participan en el proceso de modelado, sobre
el supuesto de que el modelado se asume como elemento común de la
construcción de conocimiento. Lo importante de la coexistencia de tantas
explicaciones de la realidad surge en el momento en que el modelista puede ser
consciente de ello y finalmente las reconoce como explicaciones que co-existen
con la suya.
La realidad se representa mediante los modelos los cuales que pueden cumplir
con esta tarea, solo que lo que se explicita en este caso no es la teoría como tal
sino la percepción de quien modela. Ver figura 13.
figura 13 Modelado de construcción.

De esta manera se describe el proceso de modelado y la manera en que los
modelos pueden ser usados a partir de los intereses que tenga el modelador.
18 El juicio ontológico original del enfoque de sistemas puede ser formulado del siguiente modo: “Las cosas (los fenómenos) son todos que trascienden la mera reunión de sus partes”. Dado que el
enfoque de sistemas tiene una vocación científica y tecnológica, a esta posición ontológica le sigue un postulado epistemológico, a saber, “Las cosas (los fenómenos) deben ser estudiadas como
todos trascendentes y no como meras reuniones de partes”. La reunión de ambas proposiciones anuncia lo que se le llama el clamor “ontoepistemológico” del enfoque de sistemas. Ideas tomadas de
“Las Raíces del Reduccionismo: Una Contra-Ontoepistemología para el Enfoque de Sistemas” Escrito por Ramses Fuenmayor, Departamento de Sistemología Interpretativa, Universidad de Los
Andes, Mérida, Venezuela.
Seguidamente se revisará el modelado estructural y el él específicamente el

modelado con dinámica de sistemas.
CAPÍTULO 3: DIAGRAMAS DE INFLUENCIAS
Introducción
Este capítulo estará apoyado en la propuesta de modelado que hace el profesor
Javier Aracil y que describe muy bien en su libro dinámica de sistemas publicado
on line por ISDEFE, en http://www.isdefe.es/monografias/docs/dinamica.pdf.
Inicialmente se establecerá la diferencia entre causalidad y correlación,

clarificación importante a la hora de abordar el proceso de modelado.
Una vez establecida la diferencia entre causalidad y correlación se procede a

presentar los elementos constitutivos de los diagramas de influencias.
Se termina este capítulo presentando las ideas asociadas a los ciclos de

realimentación, la forma en que éstos se acoplan, la definición de los modos de
referencia y la determinación de las hipótesis dinámicas.
Lección 11: Causalidad vs Correlación

En esta lección se presentan algunos elementos en procura de dar claridad sobre
una confusión bastante frecuente entre las personas cuando indistintamente
hacen referencia a la causalidad y la correlación como si fueran sinónimos.
Para ello se realizará una serie de simulaciones mentales para acercarse

paulatinamente al entendimiento de la diferencia que subyace en estos dos
términos.
Desde muy pequeño el ser humano comienza por establecer relaciones entre los
eventos que percibe. Antes de continuar es preciso señalar algo, no es que la
relación siempre exista en la realidad, de hecho, en la mayoría de los casos, una
vez se encuentra una es fácil comenzar a creer en ella. Por ejemplo, supóngase
que un niño toca con su mano la llama de una vela, naturalmente se quemará. Es
muy fácil para el niño encontrar una relación entre estos dos episodios.
Seguramente será capaz de establecer la relación entre fuego y quemadura sin la
necesidad de que un adulto se la haga explícita. Otra situación podría darse si un
niño al caminar descalzo, nota al día siguiente que se enfermó de gripa. También
es sencillo encontrar una relación entre estos dos eventos. Si el niño no ha sido
capaz de establecer la relación entre estar descalzo y padecer la gripa,
probablemente un adulto le hará caer en la cuenta de ello.
Lo presentado anteriormente no presupone problema alguno, es sólo la prueba de

la habilidad de los seres humanos para establecer este tipo de relaciones, lo cual
llega a ser, incluso, un criterio para evaluar su capacidad cognitiva, no obstante
también es muy fácil generalizar una relación entre dos eventos y llevarla a una
causalidad erróneamente.
Se invita al lector a reflexionar sobre esto: una cosa es pensar, “he caminado
descalzo 3 veces y las 3 veces me he resfriado” y otra muy diferente, en términos
del tipo de razonamiento y de su validez, es “si camino descalzo, me enfermo.” Es
posible llegar a establecer, incluso con precisión estadística, que se da la relación
entre andar descalzo y estar enfermo de gripa; sin embargo, eso no significa
necesariamente que el haber caminado descalzo haya sido la causa de que
apareciese la enfermedad.
En la niñez se aprende que las causas preceden en el tiempo a los efectos;

aunque hay que decirlo, esto no es del todo preciso, particularmente cuando se
analizan los fenómenos a la luz del pensamiento sistémico, es decir, no hay una
causalidad lineal sino más bien una influencia circular.
Entonces, cuando ‘se ve’ una o varias relaciones entre dos fenómenos del mundo,
como “andar descalzo” y “tener gripa” es muy fácil creer que se ha “encontrado”
una causalidad. El problema es que este tipo de inferencias no siempre son
correctas, pues el hecho de que no sea correcta no quiere decir que no funcione
en nuestra mente como si lo fuera; con este tipo de trampas hay que tener mucho
cuidado. Se invita al lector a establecer claramente la diferencia entre “creer” y
“conocer”.
Hasta aquí lo dicho se puede generalizar que siempre que hay causalidad, hay
relación y que sin embargo, no siempre que hay relación, hay causalidad, de lo
que se desprende que mientras la correlación es una dependencia funcional entre
variables, positiva o negativa, la causalidad además añade una relación de causa
y efecto verificable entre las mismas, es decir que hay correlación cuando hay
causalidad, por ejemplo, si llueve, entonces normalmente hay atascos, pero no
siempre al revés, es decir, los síntomas de una enfermedad suelen aparecer
juntos, de forma correlacionada, pero ninguno es causa de otro. Obviamente,
causalidad implica correlación, pero no al revés.
Lección 12: Modo de Referencia y la Hipótesis Dinámica
Hipótesis dinámica
La "hipótesis dinámica" es una conceptualización, en la cual se define qué
variables hacen parte del modelo inicial teniendo en cuenta todo lo que parece ser
determinante para el comportamiento del sistema, pero ningún elemento que no
tenga correspondencia directa con algo en el problema modelado. La hipótesis
dinámica es una explicación teórica acerca de cuál es la forma como se genera el
problema; lo que implica la explicación de las relaciones causales existentes entre
las variables, la forma como los efectos se propagan en ellos, los ciclos de
realimentación que se forman y los retardos, siendo estos dos últimos elementos
los responsables de la complejidad del sistema.
Se habla de hipótesis, porque es la idea inicial que ha de ser probada por el

modelo, pudiendo ser aceptada o rechazada; además, porque es susceptible de
ser modificada a medida que se logra un mayor aprendizaje en las demás etapas
del proceso. Y se dice que es dinámica, puesto que incluye la explicación de los
procesos de realimentación que generan el problema. En pocas palabras, es la
teoría de trabajo de la forma como se presenta el problema.
La formulación de la hipótesis dinámica, demanda un proceso continuo de

aprendizaje y de discusión acerca de la forma como se relacionan las variables,
así como de recurrir a otras fuentes adecuadas de información, como expertos y
literatura.
Puesto que en esta etapa se generan las reglas de interacción de las variables, las
reglas de decisión del modelo y su estructura general, por lo menos en lo teórico;
también es necesario llegar a un análisis o explicación exógena del problema, es
decir, plantear la forma como las variables de carácter exógeno, así como sus
comportamientos y variaciones, afectan al sistema y sus procesos de
realimentación.
Un modelo no debe contener demasiadas variables exógenas, puesto que cada

una significa una posible variable de escenario o en su defecto, de decisión;
aspectos ambos, que en cualquier caso, generan inconvenientes. Un gran número
de variables de escenario, generará también un amplio número de posibles
escenarios, puesto que se podrán construir gran cantidad de combinaciones de
variaciones de ellas. En el caso que se intente limitar a pocas combinaciones, se
genera un problema casuístico, en el cual deben cumplirse muchas cosas para
que se presente ese futuro, el cual comienza a no ser plausible. Si por el contrario,
se posee gran cantidad de variables de decisión, lo que se presenta es la
incapacidad para manipular el modelo, y responder a cambios y comportamientos
de él; además, no se entenderá los procesos de propagación de efectos, es decir,
se perderá el enfoque de aprendizaje de la Dinámica de Sistemas.
La formación de la Hipótesis Dinámica puede estar apoyada en herramientas de

carácter gráfico, las cuales permiten la correcta comunicación de las ideas
construidas. En lo que al curso corresponde se usarán los diagramas de
influencias y los diagramas de Forrester o flujos y niveles.
Los diagramas empleados para la formulación de la hipótesis, presentan

claramente los elementos que enmarcan las condiciones del sistema. Nuevamente
en esta etapa es necesario considerar qué elementos permitirán la construcción
de escenarios y es importante que se aprecien en cada uno.
Enseguida se materializa la hipótesis dinámica en el modelo y se procede a

simular: sólo la simulación como prueba podrá revelar si las ideas expresadas son
suficientes para explicar el comportamiento del sistema. Es condición necesaria
que modelo supere una serie de pruebas para que sea considerado como válido,
es decir, confiable; en el caso contrario se hace evidente la necesidad de seguir
reflexionando y modelando. Por lo tanto, el rigor se trae a la reflexión mediante la
simulación.
Modo de referencia
Uno de los primeros pasos en el proceso de modelado es la definición precisa de
los aspectos del problema, procediendo luego a describirlos de forma clara, breve
y precisa (La dinámica del ser al existir) es decir, el establecimiento de la hipótesis
dinámica. Esta etapa puede implicar la descripción del comportamiento dinámico
que se trata de estudiar; de esta descripción se graficará el comportamiento
temporal de las principales magnitudes de interés, lo cual constituye el llamado
Modo de Referencia y sirve como una imagen aproximada de las gráficas que se
deberán obtener del modelo inicial. El modo de referencia deberá emerger del
establecimiento de una adecuada hipótesis dinámica.
Si se modela un fenómeno pasado, se representará en ese modo de referencia el

comportamiento histórico registrado, que se trata de reproducir en el modelo. Si se
modelan situaciones futuras, el modo de referencia es más ambiguo, pero deberá
ser capaz de abarcar, a través de las correspondientes variaciones de parámetros,
el conjunto de diferentes tipos, modos o pautas de desarrollo. El establecimiento
del modo de referencia determina el horizonte temporal del modelo.
Resumiendo hasta aquí el modo de referencia se constituye por un conjunto de

gráficas que demuestran la formulación del problema, estas gráficas deben incluir
otros datos, definir variables de interés claves y establecer un horizonte de
planificación apropiado que sea relevante para comprender el problema.
Por ejemplo, supóngase que se está haciendo un modelo para describir la

evolución del precio del café; la figura 14 podría ser un buen ejemplo de modo de
referencia para esta situación particular.
figura 14 Modo de referencia19
Es importante tener en cuenta que el modo de referencia, es decir, aquella gráfica

que inicialmente nos muestra como se ha comportado la variable o como se
espera que, según la teoría usada, se deba comportar, debe ser un elemento que
emerja de la adecuada formulación de la hipótesis dinámica.
19
Tomado de: http://www.cepes.org.pe/cendoc/cultivos/cafe/2001/cafejunio2001/cafejunio.htm
Lección 13: Elementos de los Diagramas de Influencias
La estructura del sistema

Esta parte del módulo estará apoyada en la propuesta de modelado que hace el
profesor Javier Aracil y que describe muy bien en su libro dinámica de sistemas
publicado en la web por el instituto de defensa de España, ISDEFE, en doi:
http://www.isdefe.es/monografias/docs/dinamica.pdf.
Atendiendo al profesor Aracil en lo que a la idea de sistema se refiere este autor

manifiesta que “la descripción mínima de un sistema viene dada por la
especificación de las distintas partes que lo forman, mediante el conjunto C de su
composición, y por la relación R que establece cómo se produce la influencia entre
esas partes20.” Seguidamente Aracil propone que para comprender lo antes
expuesto es preciso que se analice la estructura sistémica de un proceso. Para
ello propone como ejemplo el hecho de llenar un vaso con algún líquido. Quien lo
haya hecho alguna vez sabe que el procedimiento consiste en abrir la llave y una
vez se va alcanzando la cantidad que se requiere, la llave se cierra. En este
ejemplo aparece un agente quien es el que llena el vaso y lo hace hasta un valor
deseado, este valor sirve de guía para tomar la decisión de empezar a cerrar la
llave, una vez el nivel del vaso se va acercando al nivel deseado. Ver la figura 15.
figura 15 Llenado del vaso21.
A simple vista no es fácil identificar las variables que allí intervienen, para ello se
usará la figura 16, que es una modificación de la primera.
figura 16 Variables en el proceso de llenado del vaso.
20
Aracil Javier. Dinámica de Sistemas. Ediciones Isdefe, 1995. P. 18.
21
Fuente http://www3.uji.es/~agrandio/apu/37493f2e.jpg
Al observar detenidamente la figura es posible identificar el agente, quien llena el

vaso, el flujo de líquido o razón de cambio del sistema, el nivel del vaso o
acumulación del sistema y dos elementos que dependen del agente, el nivel
deseado y el cálculo instantáneo de la diferencia entre el nivel del vaso y el nivel
deseado.
Una vez se logra determinar las partes del sistema y las relaciones entre estas se
dispone de una estructura, que ya puede ser útil para ofrecer explicaciones acerca
de la dinámica del fenómeno representado. Un poco más formal sería abstraer las
variables y relaciones y construir un grafo signado como paso previo al proceso de
formalización matemático del sistema.
figura 17 Estructura del sistema.

A partir de la estructura y de la forma como ésta se configura es posible hacer
inferencias plausibles de cuál podrá ser el comportamiento del sistema. En la
figura 17 es posible afirmar que a una mayor diferencia entre el nivel del vaso y el
nivel deseado se mantendrá el flujo en su mayor dimensión, así mismo si el flujo
aumenta lo hará también el nivel. Nótese que en ambos casos las flechas tienen
signos + “mas” en sus extremos lo que quiere decir que la variación en la variable
de origen provoca una variación en la variable de destino en el mismo sentido.
Siguiendo con el gráfico, si el nivel del vaso aumenta la diferencia tiende a
reducirse, hay que notar que al final de la flecha que va de nivel del vaso a
diferencia es – “menos”, ello debe leerse como que a una variación en la variable
de origen provoca una variación en la variable de destino en el sentido contario.
Los diagramas de influencias

En gran parte de la bibliografía existente sobre dinámica de sistemas es común
hablar de diagramas causales, pero autores, como Aracil, recomiendan llamar a
dichos diagramas como diagramas de influencias, en la medida en que llamarlos
causales podría dar a entender que se trata de establecer relaciones estrictamente
de causa a efecto, lo que podría implicar un análisis secuencial de las relaciones
entre variables. Al llamarles diagramas de influencias se deja en claro que las
relaciones circulares son perfectamente posibles; relaciones más allegadas al
paradigma sistémico.
Entre los elementos que constituyen el fenómeno se establece un bosquejo

esquemático en el cual se representan las relaciones entre aquellos relacionados
entre sí, uniéndolos a través de flechas. El diagrama resultante es el de
influencias, el cual permite conocer, como se dijo antes, la estructura del sistema.
Esta estructura viene dada por la especificación de las variables que aparecen en
el mismo y por el establecimiento de la existencia o no, de una relación entre cada
par de elementos.
Supóngase dos elementos A y B. Si A influencia a B, se denotará A → B. Sobre la

flecha, por medio de un signo, se indica si las variaciones de los dos elementos
son en el mismo sentido, o en sentido contrario. Es decir, un aumento o
disminución de A corresponde un aumento o disminución de B, lo cual se
representa como sigue: A →+ B. Se dice entonces que se tiene una relación
positiva sin que ello implique necesariamente que se valore como bueno o malo
en sí mismo.
Por otra parte, si a un aumento o disminución) de A, corresponde una disminución

o aumento de B, se denotará así: A →- B. De ahí se dice que es una relación
negativa. En este caso lo negativo no significa una valoración mala.
Al diagrama de influencias se llega por un proceso que implica una mezcla de

observaciones sobre el sistema, discusiones con especialistas en el sistema y
análisis de datos acerca del mismo. En los diagramas de influencias, las
relaciones que unen dos elementos entre sí pueden ser de dos tipos: la relación
causal propiamente dicha, que se da cuando un elemento A determina a otro B,
con una relación causa-efecto y la relación correlativa, es aquella cuando existe
una correlación (estadística, por ejemplo) entre dos elementos del sistema, sin
existir entre ellos una relación de causa efecto propiamente dicha.
Veamos el siguiente diagrama de influencias que intenta representar una situación

asociada al incremente de un población cualesquiera.
figura 18 Diagrama de influencias

En el diagrama de la figura 18 se pueden identificar 5 variables, la Población, los

Nacimientos, las Muertes y las tasas de Natalidad y Mortalidad. Entre estas
variables se establecen relaciones, unas de material y otras de información. Las
de material son las de color negro, para el caso van directamente desde
Nacimientos y Muertes hacia Población. La primera indica que se agregan
personas a la población, en tanto que la segunda indica que se sustraen
individuos de la misma. La relación que va desde Muertes hacia Población tiene
un signo negativo, lo que quiere decir que a medida que aumentan las Muertes,
disminuye la Población. De otra parte la relación que va de Nacimientos a
Población tiene un signo positivo, pues a medida que aumentan los Nacimientos,
también lo hace la Población.
Recomendaciones para construir diagramas de influencias

Lo primero que se recomienda es hacer una lista con todas las variables posibles,
que pueden ser cuantitativas o cualitativas, por ejemplo: Las Ventas o el Estrés
Lo segundo que debe hacerse es revisar la lista para refinarla, es decir, revisar si
alguna variable ya está incluida en otra o significan lo mismo o si una variable si es
realmente crítica o no.
Como tercer paso se recomienda poner un nombre adecuado a cada variable, la

idea es usar sustantivos, en lugar de verbos, por ejemplo: Es correcto escribir
“Nuevos productos”, pero no “desarrollar nuevos productos”. Es correcto escribir
“ganancias” y no lo es escribir “ser rentable”.
Se recomienda usar nombres más neutrales o positivos, por ejemplo: “Satisfacción

en el trabajo” en lugar de “inconformidad con el trabajo”. Sería correcto decir
“Moral en el Recurso Humano” y no lo sería escribir “Mala vibra”.
Errores comunes en la realización de diagramas de influencias

En la práctica, se han identificado varios tipos de errores que son comunes en la
elaboración de los diagramas de influencias.
Uso de variables no cuantificables: se suelen bautizar las variables con nombres

que no sugieren cantidad.
Variables que incorporan la polaridad: se da cuando el nombre de la variable tiene

un verbo que sugiere su incremento o decremento.
Relación de variables vs. Hipótesis dinámica: surge cuando se relacionan

variables, y hasta se logra plantear ciclos, pero en realidad esta relación no está
explicando nada del fenómeno en cuestión.
Causalidades redundantes: se presenta cuando se plantean causalidades para

lograr efectos que otras causalidades ya lograron.
Nivel de agregación: por exceso o por defecto. Se hacen diagramas muy grandes
y detallados para situaciones muy simples, o diagramas muy pequeños para
situaciones complejas.
Diagramas causales sin dinámica: cuando se hace un diagrama causal en el cual

los ciclos carecen de relaciones que permitan la realimentación.
Lección 14: Los Ciclos de Realimentación

En los diagramas de influencias aparecen unas estructuras circulares
denominadas ciclos de realimentación. Popularmente a los ciclos de
realimentación se les conoce como “círculos viciosos”. Los ciclos de
realimentación pueden ser positivos o negativos, en lo que sigue se presenta más
en detalle cada uno de ellos.
Ciclo de realimentación positiva

En el ciclo de realimentación positiva todas las influencias son positivas, pero si
las hubiese negativas, tendrían que compensarse por pares. Este tipo de ciclo
representa un proceso en el que un estado determina una acción, que a su vez
refuerza este estado, y así indefinidamente, también es conocido como “bola de
nieve”. En la parte izquierda de la figura 21 se muestra la estructura y en la
derecha el comportamiento correspondiente, del ciclo de realimentación positiva
figura 19 Estructura y comportamiento Ciclo de realimentación positivo
Ejemplo de ciclo de realimentación positivo

En el proceso de crecimiento de una población, el estado es la población y la
acción es su crecimiento. Cuanto mayor sea la población, mayor es su
crecimiento, por lo que a su vez mayor será la población, y así indefinidamente.
figura 20 Estructura y comportamiento Ciclo de realimentación positivo

En la figura 18 se identifica un ciclo de realimentación positivo determinado por la

relación existente entre la variable Población y la variable Crecimiento, nótese que
los signos en ambas flechas son positivos “+” esto quiere decir que a un aumento
de la Población le sigue un incremento del Crecimiento y éste a su vez implica un
aumento de la Población.
Ciclo de realimentación negativa

El ciclo de realimentación negativa, representa un tipo de situación en el que se
trata de decidir acciones para modificar el comportamiento con el fin de alcanzar
un determinado objetivo.
figura 21 Estructura y comportamiento Ciclo de realimentación negativo

Su estructura básica es la de realimentación, puesto que las decisiones se toman
a partir de la información sobre los resultados de las acciones previamente
adoptadas. Como estas acciones son a su vez el resultado de decisiones
anteriores se tiene así una cadena circular sin fin.
Ejemplo de ciclo de realimentación negativo

En el figura 22 la flecha que va de la variable “atractividad” a “migración”
representa una influencia positiva, es decir que a un incremento en la atractividad
de la comunidad, se incrementa la migración hacia la comunidad. La flecha de
“población” a “empleos disponibles per cápita” es una influencia negativa, es decir
que un incremento en la población de la comunidad causará un decremento en el
número de empleos disponibles per cápita.
figura 22 Ciclo de realimentación negativo

Es importante señalar que en la figura 22 se lee que un cambio en migración
producirá un cambio en población en la misma dirección, pero un decremento en
migración no producirá un decremento en población a menos que la migración sea
negativa. Este tipo de situaciones deben ser tenidas en cuenta para evitar
conclusiones erradas. Se invita al lector para que revise la figura 18 e identifique
allí tanto los ciclos de realimentación positivos como negativos.
Ciclos de realimentación acoplados

Es habitual encontrar sistemas complejos en los que coexistan múltiples bucles o
ciclos de realimentación, tanto positivos como negativos. En este caso el
comportamiento resultante dependerá de cuáles de los bucles sean dominantes
en cada momento.
figura 23 Ciclos acoplados
figura 24 Comportamiento ciclo acoplado
La gráfica representa de procesos en los que inicialmente se produce un

crecimiento, pero todo crecimiento debe de cesar, no hay crecimiento indefinido.
Este efecto limitador se incorpora mediante un bucle de realimentación negativa.
En lo que sigue se presenta con mayor grado de profundidad el crecimiento
sigmoidal o logístico que es ejemplo de los ciclos de realimentación acoplados.
El crecimiento sigmoidal
El crecimiento en S, sigmoidal o logístico se asemeja mucho al crecimiento
exponencial, sin embargo, a partir de un cierto punto el crecimiento se ralentiza,
este hecho permite que la curva pueda representar adecuadamente la
propagación de rumores, la extensión de una innovación tecnológica o una
epidemia, nótese que una misma estructura permite dar cuenta de diferentes
fenómenos, es esto a lo que Bertalanffy se refería con la idea de una teoría
general de sistemas y básicamente lo referido a la ubicuidad de la estructura

sistémica. Al principio tanto el rumor, como la apropiación de una innovación
tecnológica y la cantidad de enfermos se propagan rápidamente, cada "infectado"
o "afectado" por la innovación es susceptible de traspasar el "contagio" a otro
individuo que tenga contacto con él, pero a cuando el número de "infectados"
crece es más difícil encontrar una persona que previamente no haya estado en
contacto con la enfermedad o innovación.
Una magnitud P (Estado); que sigue un crecimiento logístico tiene un crecimiento

que puede ser representado por el siguiente diagrama de influencias:
figura 25 Crecimiento en S
En donde: r (Condición limitadora) es la tasa de crecimiento, cuando P; es

pequeña en relación a k; la tasa de crecimiento de la variable es prácticamente
proporcional a r, tal como sucede en un modelo de crecimiento exponencial; k
(Condición limitadora); es la capacidad o nivel de saturación de la variable,
normalmente representa alguna restricción que el ecosistema o el medio en el que
crece la variable impone un límite máximo por encima del cual la variable no
puede seguir creciendo. P es la variable que crece y la variación de P está
representada CP (Acción reforzante). El crecimiento de la población CP estará
limitada por DP (Acción estabilizadora) que es la relación entre la cantidad de P y
la posibilidad de seguir creciendo que lo da k, por P y por la tasa natural de
crecimiento r en caso de no haber limitaciones.
Lección 15: Los retardos

Un aspecto importante que se debe considerar en el modelamiento con dinámica
de sistemas es el retardo que se produce en la transmisión ya sea de información
o de material. Al construir el diagrama de influencias se debe considerar que la
relación causal que une a dos variables puede implicar la transmisión de
información o material para la cual se requiere el transcurso de un cierto tiempo;
es entonces cuando sé está en presencia de un retardo, retraso o demora, como
también se conoce. Para formarse una idea sobre la situación de cierto problema
es necesario que trascurra un cierto tiempo antes de tomar una decisión y una vez
tomada deba transcurrir algún tiempo hasta que se observen los efectos en la
misma.
Los retardos de materiales se producen cuando existen elementos en el sistema

que almacenan el material que fluye por el mismo. Por ejemplo, cuando se envía
un grupo de cartas a diferentes destinatarios, éstas permanecerán un cierto
tiempo en poder de la empresa de correos, desde que el remitente la envía hasta
que el destinatario la recibe.
Los retardos de información resultan de la necesidad de conservar y almacenar

información del sistema antes de tomar una decisión. Los retardos en la
transmisión de información actúan como filtros que son capaces de aislar los picos
que presenta la evolución de una variable, tomando para ello un valor promedio de
la misma. Al promediarse ponderarán los datos disponibles de manera que los
más recientes influyan significativamente en los más antiguos.
En la figura 26 se muestra un bucle de realimentación negativa en el que la

influencia entre la variable C y la variable A produce un retardo, representado, e
este caso por dos trazos en la flecha.
figura 26 Retardos
Los retardos en los bucles de realimentación positiva determinan que el
crecimiento no se produzca tan rápidamente como se esperaba. Los retardos en
los bucles de realimentación negativa, al producirse de forma lenta los resultados
puede llevar a que se tomen decisiones drásticas, esto naturalmente conduce a
una oscilación del sistema, lo que Forrester llama el efecto látigo (bullwhip); se
invita al lector a profundizar sobre este concepto.
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD UNO
1. Indique las diferencias entre un sistema, una máquina y un modelo.

2. Dibuje un sistema, una máquina y un modelo.
3. Se puede afirmar que un modelo sirve para ser representado, diga por qué.
4. ¿Cuáles son las propiedades de los sistemas?
5. ¿Cuántas y cuáles son las máquinas simples?
1. ¿Qué es la Cibernética?
2. ¿Cuál es su importancia para el modelado?
3. ¿Qué es la realimentación?
4. ¿Indique dos casos en que sea evidente la realimentación?
5. ¿Se puede afirmar que la cibernética pertenece al pensamiento de sistemas?
1. Elabore una definición propia de la noción de Sistema
2. ¿Puede el mundo ser visto como si fuera un sistema?
3. ¿Qué cosas del mundo se pueden representar como si fueran sistemas?
4. Averigüe qué cosa es la entropía y la sinergia y establezca relaciones entre
ellas.
5. ¿Qué cosa es la equi-finalidad?
1. ¿Hay diferencias entre el pensamiento de sistemas y la teoría general de
sistemas, indíquelas?
2. ¿Es correcto afirmar que una visión sistémica es una visión que reduce los
objetos para poderlos estudiar y ahí termina el proceso? Dé una argumentación
válida a su respuesta.
3. ¿Qué le hace pensar esta frase: "lo no suficientemente sistémico es
suficientemente sistémico"? Escríbalo.
4. ¿Es lo mismo un sistema que un conglomerado, por qué?
5. ¿Usted piensa sistémicamente?, ¿Cómo lo podría comprobar?
1. ¿Qué es el isomorfismo?
2. ¿Es posible apoyarse en otras ciencias para estudiar los de otra ciencia?
3. ¿Qué es la teoría General de Sistemas?
4. ¿Cómo piensa usted que el pensamiento de sistemas aporta para su
desempeño profesional?
5. ¿Es René Descartes un pensador sistémico?
1. ¿Qué es el ser de las cosas?
2. ¿Qué es el existir de las cosas?
3. ¿El ser implica la existencia?
4. ¿Cuál es la importancia de la dinámica del existir en los procesos de modelado?
5. ¿Las cosas pueden ser sin existir?
1. ¿Una modelo de ropa qué tipo de modelo es?
2. ¿La ropa que lleva una modelo es un modelo?
3. ¿Los prototipos de buen comportamiento son modelos?
4. ¿Los modelos matemáticos para qué sirven?
5. ¿Qué es modelar, es lo mismo que simular?
1. ¿Un modelo es aquello que sirve para representar?
2. ¿Un modelo es aquello que sirve para ser representado?
3. ¿Cuál de las dos acepciones de modelo anterior es pertinente al modelado en

ingeniería?
4. ¿Una ecuación es un modelo?
5. Explique sus respuestas anteriores
1. ¿El modelado para el aprendizaje implica sólo una representación mental?
2. ¿El modelado para la explicación implica modelos formales?
3. ¿El modelado para la intervención supone toma de decisiones?
4. ¿Qué competencias desarrolla el proceso de modelado?
5. Explique todas sus respuestas
1. ¿Diga qué es el modelado de réplica?
2. Explique en qué consiste el modelado de reconstrucción
3. Argumente acerca del modelado de construcción
4. Establezca las diferencias entre el modelado de réplica, de reconstrucción y de
construcción
5. Diseñe una tabla comparativa entre las tres formas de modelado
1. ¿Qué es la correlación?
2. ¿Qué es la Causalidad?
3. Diferencie de forma clara los términos causalidad y casualidad
4. ¿Sí dos variables están fuertemente correlacionadas son causa y efecto?
1. ¿Un modo de referencia es un comportamiento histórico?
2. Diga qué es una hipótesis dinámica
3. Defina la relación entre modo de referencia e hipótesis dinámica
4. ¿Por qué se habla de hipótesis dinámica y no estática?
1. ¿Es lo mismo causal que influencia?
2. ¿Para qué sirve un diagrama de influencias?
3. ¿Cuáles son los elementos de un diagrama de influencias?
4. ¿Cuáles son los errores que comúnmente se cometen la crear un diagrama de
influencias?
5. Sustente las respuestas anteriores a través de un gráfico
1. Qué es un ciclo de realimentación
2. De un ejemplo de ciclo de realimentación positivo
3. De otro ejemplo de realimentación negativa
4. Qué es el feedback
5. Busque el término "retroalimentación" en www.rae.es
1. ¿Qué es un retardo?
2. Indique un par de ejemplos en donde se presenten retardos
3. ¿Qué es el efecto látigo?
4. Muestre un par de ejemplos en donde se presente este el fenómeno látigo
5. Averigüe en internet cuál fue el aporte de Forrester para describir el efecto
látigo.
FUENTES DOCUMENTALES DE LA UNIDAD UNO
LOPEZ, H., SOTAQUIRÁ, R., ANDRADE, H., ESPINOZA, A., DYNER, I., (2001).
Pensamiento Sistémico: Diversidad en búsqueda de unidad. Ediciones UIS.
FORRESTER, J. W. (1958). "Industrial Dynamics--A Major Breakthrough for

Decision Makers." Harvard Business Review, Vol. 36, No. 4, pp. 37-66.
RADZICKI M. et al, (2002). Why Every Engineering Student Should Study System
Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE
November 6 - 9, Boston, MA.
WIENER, N. (1948). Cybernetics or Control and Communication in the Animal and

the Machine. New York: John Wiley & Sons, Inc., 194 pp
SHANNON, C.E. (1948), "A Mathematical Theory of Communication", Bell System

Technical Journal, 27, pp. 379–423 & 623–656, July & October, 1948.
Von NEUMANN, J. and MORGENSTERN, O., (1944). Theory of Games and

Economic Behavior, Princeton University Press
CANNON, W., (1929). Organization for Physiological Homeostasis, Physiological

Reviews, 9 399–427.
MATURANA, H. y VARELA, F. (1984): El Árbol del Conocimiento. Las bases

biológicas del entendimiento humano, Buenos Aires, Lumen/Editorial Universitaria,
2003, 172 pp.
MATURANA, H. (1997). El sentido de lo humano. Dolmen. TM editores. Santiago

de Chile. Novena edición.
Von BERTALANFFY, L. (1930). Lebenswissenschaft und Bildung, Stenger, Erfurt.
Von BERTALANFFY, L. (1976). Teoría general de los sistemas -fundamentos,

desarrollo, aplicaciones. 1" ed. en español, 1976, Fondo de Cultura Económica,
México, Madrid y Buenos Aires, 311p.
Von BERTALANFFY, L. (1979). Perspectivas en la Teoría General de Sistemas,

Alianza Universidad, Madrid.
McLEOD, R., (2000). Sistemas de Información Gerencial. Pearson Educación.
MURDICK, R., (1988). Sistemas de información administrativa. México.

MOSTERIN, J. (1984). Conceptos y Teorías en la Ciencia, Alianza Universidad,

Madrid.
BUNGE, M. (1985). Teoría y realidad. Editorial Ariel. 310 p.
CHECKLAND, P. (1992). Pensamiento de sistemas, práctica de sistemas.

Editorial Limusa, p.352.
PINEDA, E., (2005). Un Reconocer A Nivel Práctico De Las Diferencias Y

Coincidencias De Los Enfoques De Modelado Conductista Y Estructural En La
Economía. Trabajo de grado en Economía, Universidad Industrial de Santander. P.
38.
ARACIL, J. (1987) Dinámica de Sistemas, Alianza Universidad. Madrid, tercera

edición.
SIMON, H.A. (1969). The Sciences of the Artificial, MIT Press, Cambridge Ma.
SENGE, P. (1999). La quinta disciplina, Granica. 490 p.
PARRA J. y ANDRADE, H. (2002). Reconocimiento, Diversidad y Aprendizaje.

Disponible en: http://www.colombiaaprende.edu.co/html/mediateca/1607/articles-
75601_archivo.pdf
ARACIL, J. (1995). Dinámica de Sistemas. Ediciones Isdefe.

UNIDAD 2: DIAGRAMAS DE FORRESTER
Nombre de la Unidad Diagramas de Forrester

Introducción Los diagramas de Forrester son los elementos de tipo
conceptual que permiten el modelado estructural de la
dinámica de sistemas.
Justificación Es un paso previo del modelado cualitativo al modelado
cuantitativo, que llevado a los software especializados
posibilita la generación de las ecuaciones en diferencias.
Intencionalidades Desarrollar la habilidad para la representación de
Formativas fenómenos de diversa naturaleza a partir de las nociones
de razón de cambio y acumulación, además de los
retardos y la realimentación.
Denominación de Capítulo 4: Elementos De Los Diagramas De Forrester
capítulos Capítulo 5: Elaboración De Diagramas De Forrester
Capítulo 6: Simulación
CAPÍTULO 4: ELEMENTOS DE LOS DIAGRAMAS DE FORRESTER
Introducción
Una vez construido el diagrama de influencias en el cuál se han graficado las
variables y las relaciones constitutivas del problema modelado es preciso pasar a
una segunda parte en la cual se deberá expresar dicho modelo en términos de
acumulaciones y variaciones, fundamentalmente.
Ésta es una de las partes que demandan mayor cuidado pues de la correcta
identificación de las variables, ya sean acumulaciones o razones de cambio,
dependerá el éxito en el proceso de modelado.
Este capítulo se concentra especialmente en dar algunos elementos que guiarán

al estudiante en la adquisición de habilidades que le permitan reconocer de
manera adecuada cada una de estas variables.
Se recomienda al lector una práctica consciente y dedicada para que pueda lograr
sus propósitos, pues como todo proceso de aprendizaje se da en la medida en
que haya un genuino interés por aprender expresado este en la necesidad
intrínseca del estudiante por hacerlo.
Lección 16: La Noción de Razón de Cambio y Acumulación
Nociones acerca del cambio

En el inicio de algunos artículos es común leer que “lo único que permanece
constante es el cambio”, este hecho naturalmente genera en el hombre la urgente
necesidad por determinar las variaciones ocurridas ya sea desde una descripción
de las circunstancias o a partir de la medición de las mismas. Rendón (2009)
citando a Lyotard (1984) muestra como ejemplo de las consecuencias del cambio
que “las condiciones socio-económicas y políticas de países o regiones guardan
diversas relaciones entre sí, ya sea de similitud, subordinación- dominación o
antagonismo, las cuales pueden favorecer ambientes de cooperación,
competencia o incluso conflicto, determinando con ello las dinámicas de cambio
propias del mundo contemporáneo".
Esta situación conduce a que el cambio se conciba de diferentes forma, es decir

desde lo descriptivo o cualitativo y lo numérico o cuantitativo. En las siguientes
secciones se describen estas concepciones.
El cambio cualitativo
En este módulo se acepta que lo cualitativo es aquello que denota cualidad, es en
este sentido que debe entenderse el cambio cualitativo que implica la posible
comparación con otras situaciones similares, afines o de la misma especie. Es
preciso indicar que la mayor de las veces este análisis depende de la percepción
del observador, en este sentido, se podría afirmar que lo cualitativo, depende de
quien lo percibe y, a diferencia de lo cuantitativo, es mucho más difícil de precisar
con especificidad en distintos escenarios y de diversas perspectivas individuales.
Para Rendón (2009) el cambio cualitativo se caracteriza por:
 Distinguir las características necesarias para identificar modificaciones de

un objeto, situación o acción propias de un contexto.
 Permitir representar una situación con una definición pobre (parcial, incierta
y/o imprecisa), soportando el proceso de solución y proporcionando una
interpretación de los resultados.
 Ser la forma más ampliamente utilizada para explicar las modificaciones
ocurridas respecto a algo, desde el razonamiento por sentido común.
Cambio cuantitativo
En Rendón (2009) se define el cambio cuantitativo como la noción de medida, es
decir, el valor numérico, que deviene de la operación cotidiana de comparar
conjuntos y no sólo se vincula con el número de elementos de un conjunto, sino
también con la noción de extensión, por ejemplo; largo-corto.
En la evolución del conocimiento, el ser humano no solo se enfrentado con el

hecho de medir, sino también con la necesidad de determinar la variación de
dichas mediciones. Estas variaciones hacen referencia a los cambios de las
medidas, es decir, se relaciona con los cambios cuantitativos. Además pretende
definir un número asociado a las modificaciones ocurridas, es decir que, en
cualquier circunstancia, sea posible enunciar la cantidad de aumento y/o
disminución.
El cambio cuantitativo, según Rendón (2009), se describe con base a los factores
que lo generan, matemáticamente son llamadas variables, las cuales son tomadas
como causas, es decir, como relaciones de dependencia que dan cuenta de lo
ocurrido. El modelado con dinámica de sistemas tiene útiles que pueden utilizarse
para representar tanto el cambio cualitativo (diagramas de influencias) como
cuantitativo (diagramas de Forrester).
La razón de cambio
La razón de cambio junto con la noción de acumulación son centrales en el
modelamiento con dinámica de sistemas. En términos elementales la razón de
cambio es aquella que da cuenta o que es responsable de los procesos de
acumulación. Con un sencillo ejemplo se pretende clarificar aún más esta idea.
Supóngase que se tiene una alcancía en la cual cada mes se guarda una moneda
de $100 pesos; a esta cantidad de dinero guardada mensualmente se le denomina
razón de cambio, pues es la responsable del aumento (cambio) de la cantidad de
dinero que se irá almacenando (acumulando) en la alcancía.
figura 27 Flujo de monedas que llena la alcancía22
Matemáticamente la razón de cambio de una variable respecto a otra es la

magnitud del cambio de una variable por unidad de cambio de la otra. También se
le llama tasa de cambio. Si las variables no tienen ninguna dependencia la tasa de
cambio es cero.
La compresión del concepto de razón de cambio o razón de variación se considera

de gran importancia dentro de las matemáticas, puesto que posibilita la
comprensión de diversos fenómenos de la naturaleza lo cual posibilita que éstos
sean modelados, entre otras cosas, con ecuaciones diferenciales.
22
Tomado de http://www.flickr.com/photos/rockdrigo68/3321611111/
Lección 17: Diagramas de Forrester

Una vez se ha construido el diagrama de influencias debe ser elaborado el
diagrama de Forrester o diagrama de flujos y niveles. En este diagrama se deben
ubicar los distintos elementos que constituyen el diagrama de influencias, teniendo
especial cuidado de identificar cuando uno de estos elementos representa ya sea
una acumulación, una razón de cambio o un simple cálculo intermedio entre una
razón de cambio y una acumulación.
Las variables o elementos del diagrama de influencias, una vez identificados como
acumulaciones, o razones de cambio o cálculos intermedios son representados
mediante:
 variables de nivel o acumulaciones
 variables de flujo o razones de cambio
 variables auxiliares o de cálculo intermedio
Los diagramas de Forrester son la modelación en forma pictórica de la relación

que existe entre los 3 tipos de variables con el fin de establecer una interface con
el modelado de sistemas a través de una computadora. Los íconos que son
usados para la elaboración de un diagrama de Forrester provienen del símil
hidrodinámico que fuera usado en los comienzos de la dinámica de sistemas como
metáfora para representar la evolución de los sistemas dinámicos.
figura 28 Símil hidrodinámico23

El problema que implica el símil hidrodinámico tiene que ver con que un
observador debe controlar el contenido de líquido en los niveles N1, N2 y N3 y
para ello tiene la posibilidad de abrir o cerrar las llaves F1, F2, F3 y F4.
Naturalmente el líquido se va acumulando en los tanques o niveles y es claro que
tendrá que llenarse primero el tanque o nivel N1 antes de que comience a llenarse
el nivel N3, una vez se vaya alcanzando el nivel deseado el observador deberá
obturar las llaves, para evitar que se pierda el líquido.
23
Figura tomada y modificada de http://tgs7233.galeon.com/introdds.htm
Es clave notar que el tanque o nivel N1 se llena si la llave F1 está abierta, es decir,
si hay un flujo de líquido que entre y vaya llenando el tanque. También es cierto
que el nivel N1 se desocupa o disminuye o se des-acumula si la llave F2 permite
que el líquido de N1 fluya a N2 e igual sucede con el nivel 2 y el nivel 3.
A estas alturas el lector debe tener claro porqué el símil hidrodinámico sirve como
metáfora de los diagramas de Forrester o de flujos y niveles. Según el símil los
niveles se llenan o se desocupan mientras que los flujos provocan el incremento o
decremento de los niveles. Aparece aquí implícita la idea de acumulación y razón
de cambio respectivamente.
Los elementos del diagrama de Forrester

Las variables de estado o "niveles" se definen como aquellos elementos que
muestran en cada instante la situación del modelo, simulan una acumulación y
varían solo en función de los "flujos". Los niveles se representan por medio de un
rectángulo. Para el caso del símil hidrodinámico los niveles son N1, N2 y N3. El
rectángulo representa la variable de nivel. La evolución de este tipo de variables
resulta siendo muy significativa para el estudio del sistema. La variable de nivel al
cambiar a través del tiempo alcanza lo que se conoce con nombre de estado del
sistema. La elección de los elementos o variables que se pueden representar
mediante niveles en un modelo determinado depende del problema específico qué
se esté considerando; sin embargo una característica común a todos los niveles
es que cambian lenta o rápidamente en respuesta a variaciones de otras
variables. A cada nivel se le puede asociar un flujo de entrada (FE) o un flujo de
salida (FS) o una combinación de los dos. Un ejemplo de nivel podría ser la
cantidad de personas que hay dentro de la sala de un teatro.
Los llamados "canales de información", transmiten, como su nombre indica,

informaciones que por su naturaleza no se conservan. Las magnitudes físicas
entre flujos y niveles se transmiten a través de los denominados "canales de
material".
Las razones de cambio, válvulas o "flujos" son elementos que se definen como
funciones temporales, pues recogen las acciones resultantes de las decisiones
tomadas en el sistema, determinando las variaciones de los niveles. Las variables
de flujo caracterizan las acciones que se toman en el sistema, las cuales quedan
acumuladas en los correspondientes niveles. Debido a su naturaleza se trata de
variables que no son medibles en sí, sino que se miden por los efectos que se
producen en las variables de nivel de tal forma que las variables de nivel se
asocian con ecuaciones que definen el comportamiento del sistema. Un ejemplo
de flujo podría ser la cantidad de personas que entran a un teatro por unidad de
tiempo, 5 personas por minuto.
La “nube” representa una fuente o un sumidero de material que puede

interpretarse como un nivel que no es importante para el modelador y es
prácticamente inagotable.
Las “constantes” o parámetros se usan para representar aquellos valores que no

cambian a través del tiempo. Son determinantes para calcular el valor de los flujos.
Un ejemplo de constante es la tasa de natalidad de una población o la tasa de
interés de un préstamo.
Los "retardos", que simulan el tiempo que demora la transmisión de los materiales
o las informaciones. En los sistemas socioeconómicos es frecuente la existencia
de retardos en la transmisión de material e información y tienen una gran
importancia en la determinación del comportamiento del sistema. Ejemplo: si se
siembra una semilla de maíz se esperaría que a los 90 días hubiera una mazorca,
es decir, habría un retardo de 90 días desde el momento de la siembra hasta el
momento de la cosecha.
Las variables “exógenas” son las influencias que afectan el sistema, pero lo que
suceda en el sistema no la afecta. Un ejemplo puede ser la cantidad de agua lluvia
que afecta a un cultivo.
Las "variables auxiliares" son cálculos intermedios y valores fijos,

respectivamente, que permiten una visualización mejor de los aspectos que
condicionan el comportamiento de los flujos.
Las “tablas” se usan para representar aquellas relaciones entre variables que son
no lineales, este tipo de comportamientos se pueden observar por ejemplo entre la
sensación de hambre y la cantidad de alimento consumido; a medida que se come
la sensación de hambre disminuye, pero no proporcionalmente a la cantidad de
alimento consumido. También se usan para representar multiplicadores que son
las relaciones entre variables que no permanecen constantes a través del tiempo.
Ejemplo de ello sería una tasa de interés variable.
En la figura 29 se pueden apreciar los íconos que se usan en diferentes software

para representar los elementos de los diagramas de Forrester.
figura 29 Elementos del diagrama de Forrester en distintos software24
24
Figura tomada y modificada de internet.
Lección 18: Los Niveles y los flujos
Construcción del diagrama de Forrester

Como se ha dicho en varias ocasiones los niveles son las variables que se
acumulan o se des-acumulan, este hecho les permite mantener la memoria del
sistema. Otro hecho que hay que tener presente es que siempre debe haber por lo
menos un flujo relacionado con un nivel, en caso contrario ese nivel permanecerá
invariable, es decir, parecerá más una constante o parámetro.
Una de las primeras variables que deben ser identificadas en un diagrama de

influencias son las variables de nivel, para ello es necesario preguntarse, cuál de
cada variable una de esas variables tendrá comportamientos relacionados con
procesos de acumulación y des-acumulación, es decir, cuáles de ellas se llenan o
se desocupan.
Volviendo sobre el símil hidrodinámico, de la figura 28, se puede apreciar que los
tres tanques se pueden llenar o desocupar dependiendo de cuál de las 4 llaves
esté abierta o cerrada. Es decir que la cantidad de líquido almacenada en el
sistema dependerá de que tanto se manipulen las válvulas o llaves.
Una característica común a las variables de nivel es que cambian lentamente en

respuesta a las variaciones de otras variables, en concreto de las variables de
flujo. A cada nivel N(t) se le puede asociar un flujo de entrada Fe(t) y salida Fs(t),
de acuerdo con
( ) ( ) ∫
O en forma de ecuación diferencial
La anterior ecuación se denomina ecuación de nivel diagrama se representa

mediante el diagrama de Forrester que se muestra en la figura 30
figura 30 Diagrama de Forrester

Las variables de flujo son aquéllas variables que determinan los cambios en las
variables de nivel del sistema y caracterizan las acciones que se toman en él, las
cuales quedan acumuladas en los niveles correspondientes. Físicamente
expresan como se convierte la información disponible en el sistema en una acción

y están asociadas a las válvulas o llaves del símil hidrodinámico. A cada flujo F(t)
se le asocia una ecuación llamada ecuación de flujo o función de decisión que
admite como variables de entrada los niveles, las variables auxiliares y las
constantes, en términos generales.
F(t) = TN *M(t)*N(t)
EN donde TN es el flujo normal (constante), M(t) es el multiplicador del flujo

normal (auxiliar) y N(t) (nivel). El diagrama de Forrester, de la ecuación de flujo, se
presenta en la figura 31.
Algunas recomendaciones para reconocer los niveles y los flujos

Lo primero que hay que tener en cuenta es que los niveles son generalmente una
cantidad mientras que los flujos son medidos en las mismas unidades del nivel por
unidad de tiempo. Por ejemplo: si el nivel es la población las unidades serán las
personas y los flujos asociados a ese nivel estarán dados como personas/año; si
la unidad de tiempo es el año.
Una metáfora que contribuye en la caracterización de las variables de flujo y

niveles es la “prueba de la foto” en tanto que los niveles caracterizan el estado de
un sistema. Imagine usted lector que se congela el sistema como en una foto; los
niveles serían las cosas que se pueden contar.

Otra recomendación importante tiene que ver con que se debe respetar la ley de la
conservación de la materia, en este sentido, los contenidos de las redes de niveles
y flujos se deben conservar. Por ejemplo, las cosas, (cuentas por cobrar) en el
nivel permanecen ahí hasta que salen por pagos o por defaults. Ver la figura 32.
Sólo los flujos deben estar relacionados directamente con los niveles, es decir,
que un nivel únicamente cambia por flujos de entrada y salida. Los niveles a su
vez determinan los flujos. Ver la figura 33.
figura 33 Relación entre nivel y flujo
Ejemplos de niveles:
 El inventario en una bodega, (números de objetos)
 Empleados en un negocio, (número de personas)
 La cuenta de ahorros, (Cantidad de dinero)
 Computadores en una empresa, (cantidad de computadores)
 Usuarios de un servicio (la cantidad de suscriptores )
Flujos asociados a los niveles

El inventario se incrementa por el flujo de producción y decrece por el flujo de
despachos.
El número de computadoras en una empresa se incrementa con nuevas

adquisiciones y se reduce por obsolescencia.

El saldo de la cuenta de ahorros se incrementa con los depósitos y decrece con

los gastos.
El número de usuarios de un servicio se incrementa con nuevos clientes y se

reduce por los clientes que cambian de proveedor o cambian de servicios.
Se invita al lector para que proponga nuevos ejemplos de niveles y flujos propios
de su dominio de conocimiento. Se insiste mucho en que los niveles son
acumuladores y los flujos aquellos responsables de la acumulación.
Lección 19: Las variables Auxiliares, los Multiplicadores y las No

Linealidades
Variables auxiliares
Las variables auxiliares representan pasos en los que se descompone el cálculo
de una variable de flujo a partir de los valores tomados por los niveles y de otras
variables. El propósito del uso de las variables auxiliares está en facilitar la
comprensión y definición de las variables de flujo, aunque no es exclusiva esta
tarea, ya que las variables auxiliares suelen representar en sí mismas conceptos
individuales.
Si se hace un modelo del símil hidrodinámico aparecen allí variables auxiliares que
son definitivas para determinar los flujos. Se sugiere al lector que revise de nuevo
la figura 28.
figura 38 Diagrama de Forrester del símil hidrodinámico
Nótese en el modelo, figura 38, que se requieren 4 variables Auxiliares y cinco

parámetros para modelar la información que permite al observador actuar sobre
las llaves. Los parámetros indican el valor del flujo en cada caso y el parámetro CT
se usa para indicar la capacidad total de los niveles. Las variables auxiliares
toman información de los niveles y del parámetro CT y determinan si aún es
posible adicionar más líquido. Como se puede intuir, las variables auxiliares son
variables de decisión. En el caso de la variable auxiliar A1 se define como: IF(CT-
N1>0,VF1,0), es decir, que si al restar de la capacidad total el contenido del nivel 1
es mayor que cero, quiere decir que no está lleno, en tal caso F1 permite que el
líquido fluya, en otro caso la llave (F1) se cierra. Se deja como trabajo para el
lector que deduzca cuáles han de ser las ecuaciones que corresponden a las otras
tres variables auxiliares.
No linealidades
Si dos variables A y B están relacionadas por B = f(A) siendo f no lineal, B una
variable auxiliar y A una variable de nivel, se emplea el símbolo de la figura 39 en
el diagrama de Forrester. Esta es una representación que dependiendo del
software usado puede cambiar. Se invita al lector a repasar la figura 29, la parte
correspondiente a tabla.
figura 39 No linealidad
Las no-linealidades se usan para representar aquellas relaciones entre variables
que son no lineales, este tipo de comportamientos se pueden observar por
ejemplo entre la sensación de hambre y la cantidad de alimento consumido; a
medida que se come la sensación de hambre disminuye, pero no
proporcionalmente a la cantidad de alimento consumido.
Los Multiplicadores
Los multiplicadores son tasas cambiantes que afectan una variable. Un efecto
multiplicador es el que ocurre cuando una persona aumenta la ingesta de
alimentos, eso tiene un efecto sobre el valor nominal del peso, aunque la persona
siga siendo la misma. Es importante advertir que las personas no suben de peso a
un mismo ritmo consecuencia de la misma ingesta sostenida de alimentos. Otro
ejemplo que ilustra la idea de multiplicador es el efecto que tiene sobre una
población la disponibilidad de recursos. A medida que crece la población, si hay
suficiente recursos, crecerá a una tasa natural y mostrando un comportamiento
exponencial. Una vez los recursos empiecen a escasear tendrán un efecto sobre
los nacimientos haciendo que estos decrezcan.
En figura 40 es posible observar como sobre la variable nacimientos tiene efecto la

tasa de nacimientos, pero además la disponibilidad de recursos también tiene su
efecto limitante. La estrella en el diagrama muestra que habría un efecto
multiplicador sobre la cantidad de nacimientos producto de la escasez de
recursos. En este caso la multiplicación reduce el valor nominal de los nacimientos
teniendo un comportamiento no-lineal, es decir, a medida que comienza a
escasear el recurso la tasa de nacimientos se irá haciendo cada vez más pequeña
al punto de que se igualen los nacimientos y las muertes y se estabilice el sistema.
figura 40 Multiplicador
Finalmente el modelador deberá diseñar numéricamente los multiplicadores para

que surtan el efecto observado en el fenómeno.
Tanto los multiplicadores como las no linealidades son tratadas de forma similar
por la mayoría de los software disponibles, la diferencia subyace a la definición de
cada uno de ellos. No olvidar que una no-linealidad es una función que transforma
una entrada en una salida relacionadas ambas de forma no lineal; mientras que un
multiplicador altera el valor nominal de una variable, la aumenta o disminuye, pero
no hay cambio de unidades.
Lección 20: Caracterización de los Retardos

Una característica que debe ser considerada al modelar sistemas dinámicos es el
retardo producido, en la transmisión de material o en la transmisión de
información, esto ya se revisó en la lección 5 del capítulo 3. En lo que sigue se
revisa la formulación matemática del mismo.
figura 41 Retardo en las ventas consecuencia del precio
Al revisar la figura 41 se puede verificar que si el precio de los computadores

disminuye súbitamente, el número de ellos vendidos no aumenta de la misma
forma si no que lo hace de manera gradual, lo cual se debe al retardo de
información en la medida en que se necesita de un cierto tiempo para que los
compradores perciban el cambio en el precio.
figura 42 Ilustración de un retardo

La figura 42 recrea la idea de retardo, si se sigue la secuencia se podrá inferir las
consecuencias.
Seguidamente se hace una presentación gráfica del concepto de retardo tanto de

material como de información.
Retardos de material.
El retardo de material se produce cuando existen elementos en el sistema que
almacenan temporalmente y luego fluyen. En la figura 43 se muestra la estructura
de un retardo de orden uno y tiempo de ajuste 3 con un valor inicial, que va a ser
retardado, de 100. El orden de un retardo viene dado por el número de niveles que
tenga la estructura que lo determina. Al revisar el cuadro rojo se percibe allí un
nivel identificado con el nombre N1, este es el elemento que almacena el material
que se va retardar, un flujo F1 que representa el valor del retardo, es decir, el
valor que se va liberando del nivel N1, un parámetro TA que es el tiempo de ajuste
o tiempo promedio que permanece un elemento en el sistema. La cantidad
retardada está representada por el valor del flujo Fe.
figura 43 Retardo de orden uno de material

En donde el Fe es un valor único que en t=0 es de 100, N1 en t=0 es 100, F1(t)=
N1(t)/TA y finalmente TA=3, es decir, el tiempo de retardo.
La figura 43 muestra la gráfica característica de un retardo de material de orden

uno (1) y tiempo de ajuste de tres (3). El tiempo de ajuste siempre debe cumplir
que sea mayor o igual que el orden. Se invita al lector que como práctica
demuestre mediante los resultados de simulación que efectivamente el promedio
de permanencia de una unidad en el sistema es igual al TA.
Matemáticamente el retardo se representa mediante la siguiente ecuación
( ) ( ) ∫ ( )
( )
( )
Algunos ejemplos de retardo de material podría ser, por ejemplo, las órdenes de
material, los tiempo de construcción, La demora en la entrega de algún pedido,
etc.
Retardo de información
Este retardo se produce cuando es necesario conservar y almacenar la
información del sistema antes de tomar una decisión. Los retardos de información
representan un mecanismo de filtro cuya principal virtud consiste en suavizar los
picos que presenta la evolución de una variable teniendo un valor promedio de la
misma como punto de referencia. En este proceso la información más reciente
influye en el promedio de forma más significativa que la antigua.
Al igual que el retardo de material en este retardo, la información toma tiempo en

fluir de un punto a otro en el sistema, por lo que habitualmente se usa este tipo de
retardo para representar el ajuste gradual de las percepciones o las creencias.
El hecho de que las creencias, expectativas y proyecciones de los seres humanos

estén basadas en la información disponible hasta el momento y que las personas
no cambian su forma de pensar inmediatamente, frente al arribo de nueva
información, son consideradas como las principales razones por las cuales se
provocan retardos en la transmisión de la información en un sistema.
Los retardos de información no pueden ser modelados de la misma forma que se

modelan los retardos de material, básicamente porque no hay entrada ni salida
física o de material. En los retardos de material tanto las entradas como las salidas
se deben conservar, por ejemplo, si se envía un cierto número de cartas, el mismo
número de cartas ha de llegar a sus destinatarios o en caso extremo, deben volver
a la oficina de correos aquellas que no pudieron entregarse para devolverlas al
remitente. A diferencia de los materiales las percepciones o las creencias no se
conservan, es decir, si alguien conoce una información y la comparte a otra
persona, este hecho no implica que la primera persona ya no tenga la información
y la segunda sí, como sucede cuando el cartero entrega una carta.
Como se dijo al comienzo de esta sección el retardo de información también se

denomina como suavizador de la entrada. La estructura general de un retardo de
información de primer orden es como se muestra en la siguiente gráfica.
figura 44 Retardo de orden uno de información
En este caso La Entrada asume un valor de 100 en t=0, TA tiene un valor de tres
(3), N1 (que es la salida) en T=0 es 0 y Fe = (Entrada-N1)/TA.
( )
Como se puede inferir, tanto el comportamiento de un retardo de información

como uno de material son cuantitativamente iguales, la diferencia radica en la
forma en que éstos se conceptualizan matemáticamente hablando y naturalmente
la estructura en términos de los elementos de dinámica de sistemas.
Se presentan retardos de información cuando, por ejemplo, los economistas no

saben el valor nominal del PIB hoy, y no lo pueden saber porque los trabajos
disponibles no se informan inmediatamente a las personas que los están
buscando, es decir, hoy el PIB tiene un valor, pero éste sólo podrá calcularse un
tiempo después una vez se recolecte los datos necesarios para calcularlo, este
tiempo será el tiempo de retardo. Otro ejemplo se presenta cuando se toman
decisiones sobre, por ejemplo, qué tanto producir basado únicamente en la
información de las ventas; en este caso las ventas promedio pueden ser utilizadas
como expectativas de venta real.
Es importante que el lector recuerde que el orden de un retardo viene dado por el
número interno de niveles que tenga la estructura que lo representa y que el
tiempo de ajuste TA es el tiempo promedio que una unidad permanece dentro del
retardo.
En la siguiente figura se muestra como se implementa un retardo en Evolucion ®.

La variable auxiliar Entrada se define como Entrada = IF(t=0,100,0), es decir, que
para t=0, tendrá un valor de 100, en cualquier otro tiempo su valor será 0. El
retardo se define como Salida = RETARDO(Entrada, TA, 1, 0), en donde Entrada
representa el origen de los datos, TA es el tiempo de ajuste o tiempo de retardo, 1
indica el orden y 0 el valor inicial del retardo. Se invita al lector para que observe
cuidadosamente la figura 45 y establezca la relación con la figura 44.
figura 45 Retardo de orden uno de información
Tanto el retardo de información, como el retardo de material se representan con la

misma función en Evolucion ®, la diferencia debe estar clara en la mente del
modelador.
CAPÍTULO 5: ELABORACIÓN DE DIAGRAMAS DE FORRRESTER
Introducción
Este capítulo retoma los referentes teóricos que han sido planteados desde un
comienzo del curso, referidos especialmente a la teoría general de sistemas, el
pensamiento sistémico, la elaboración de diagramas de influencias y los
elementos de los diagramas de Forrester.
Para conseguir mostrar la forma en que se elabora un diagrama de Forrester se

llevará a cabo el modelado del fenómeno relacionado con la dinámica de la presa
predador que fuera presentado formalmente por Lotka y Volterra 25. Los autores
referenciados plantearon un modelo en ecuaciones diferenciales para representar
la evolución de dos tipos de especies diferentes que están unidas por un fuerte
vínculo enmarcado en el más puro darwinismo (Las especies que sobreviven no
son las especies más fuertes, ni las más inteligentes, sino aquellas que se
adaptan mejor a los cambios); una especie presa, por ejemplo conejos, y otra
especie predadora, para el caso, los zorros que conforman un mismo ecosistema.
25
Se invita al lector a consultar esta página web: http://jmonzo.blogspot.com/2008/09/lotka-volterra-interdependencia.html
Lección 21: Leyendo el Diagrama de Influencias

Una de las primeras tareas que hay que llevar a cabo para construir los diagramas
de Forrester es asegurarse de que el fenómeno que se está modelando ya existe
en nuestra mente, (no olvidar la dinámica del ser al existir de la lección 1, del
capítulo 2, de la unidad 1) y una vez que el fenómeno exista lo podamos
representar mediante un diagrama de influencias. En lo que sigue se mostrará una
manera en la que se evidencia que el fenómeno existe, luego se muestra cómo se
modela mediante el diagrama de influencias y el de Forrester.
Se sigue con la solución propuesta por Lotka y Volterra (1978) a la dinámica que
se desarrolla en el espacio de un ecosistema cuando dos especies conviven
siendo una de ellas la presa y el otro el predador. Se invita al lector a revisar esta
dirección web http://forio.com/simulate/billy/predator-prey-dynamics/run/
Del ser al existir de la dinámica conejo-zorro

Se hará aquí una descripción de la dinámica propia del fenómeno en estudio. Para
ello se definirán unos supuestos iniciales, los cuales en las primeras versiones de
un modelo deben ser lo más simples posible. Para este caso el primer supuesto es
que la especie presa se desenvuelve en un medio sin escasez de alimento, el
segundo supuesto es que la especie presa no tiene otro predador adicional; el
tercer supuesto es que la especie predadora únicamente consume la especie
presa, es decir, sólo existe competencia inter-específica y no competencia intra-
específica o canibalismo.
Es preciso señalar que los supuestos simplifican el fenómeno, pero se requiere

hacerlo para poder iniciar el proceso de modelado, ahora bien, en la medida en
que sea necesario incrementar el poder explicativo del modelo habrá que incluir
más variables y replantear los supuestos. Lo antes expuesto implica que el modelo
parte de la hipótesis de que se trata de un sistema cerrado, es decir que ambas
especies están encerradas en un espacio con las condiciones de una isla como si
se tratara de un reality show al estilo del “big brother”.
figura 46 Modelo Presa Predador26
26
Fotografía tomada de:
http://sakshat.amrita.ac.in/VirtualLab/?sub=BIOTECH&brch=POE&sim=lotka_volta_simulator&cnt=theory
Para elaborar el diagrama de influencias se procede a identificar las variables

importantes para la descripción del sistema.
El diagrama de influencias del modelo presa predador

Recordando los supuestos iniciales de que sólo hay una especie predadora y una
presa, que no hay problemas de alimentos para los conejos y que se trata de un
sistema cerrado, las variables a considerar son las siguientes:
El número de conejos, el número de zorros, la necesidad alimenticia de los zorros,

la tasa de natalidad de los zorros y los conejos, la vida promedio de los zorros y
conejos, la densidad poblacional de los zorros y conejos.
Cada una de estas variables se relaciona mediante arcos entre ellas formando el
diagrama de influencias que se muestra en la figura 47. Se invita al lector a revisar
el capítulo tres de la Unidad Uno.
figura 47 Diagramas de Influencias Presa Predador

Del gráfico es posible observar que la cantidad de conejos aumenta consecuencia
de los nacimientos y éstos a su vez aumentan consecuencia de la tasa de
natalidad y la cantidad actual de conejos. Igual análisis se aplica con los zorros,
sólo que los nacimientos, en el caso de éstos, depende de la cantidad de conejos,

su fuente de alimento.
Es importante que el lector note el signo en la punta de cada fecha, por ejemplo de
nacimientos de conejos a conejos la flecha tiene un signo más “+”, esto indica que
al haber nacimientos se incrementa el número de conejos y a su vez si el número
de conejos aumenta, los nacimientos de conejos también aumentan, es decir,
aparece una relación circular o ciclo de realimentación, en este caso, positivo. Se
invita al lector a revisar los ciclos de realimentación 2, 3 y 4 y después que
identifique un ciclo adicional en el gráfico.
Es importante señalar que la metodología de dinámica de sistemas plantea la

elaboración de una hipótesis dinámica, la cual, como se ha dicho antes, se
presenta mediante un diagrama de influencias el cual debe capturar las relaciones
básicas de realimentación que dan cuenta del fenómeno estudiado. No obstante,
el diagrama de influencias no recoge otras características útiles del sistema: no se
tiene información sobre el tiempo de simulación, ni se explica sí una variable está
describiendo el estado del sistema, o la magnitud de las relaciones que se dan en
su interior, así como la relación funcional entre las variables, es decir, no informa
claramente sobre los niveles, los flujos o las variables auxiliares, respectivamente.
Es importante señalar que no se debe confiar plenamente en la versión final de un

diagrama causal a menos que se haya hecho un diagrama de flujos y niveles a
partir de él, pues la construcción del diagrama de Forrester permite corregir
relaciones que se pasan por alto cuando se hace un diagrama de influencias.
Lección 22: Definiendo los Niveles

Esta lección mostrará algunas prácticas que son convenientes de llevar a cabo a
la hora de identificar los niveles a partir del diagrama de influencias.
Inicialmente se debe recordar que los niveles son acumulaciones, que

caracterizan el estado del sistema, que generan información para la toma de
decisiones, que son la memoria del sistema y además que crean retardos al
acumular la diferencia entre lo que entra y lo que sale. De otra parte se debe tener
en cuenta que los niveles son generalmente una cantidad y que son los flujos los
que causan las variaciones de dicha cantidad.
Así mismo es importante tener en cuenta que se debe cumplir con el principio de
conservación de la materia, es decir, que los contenidos de los niveles y de los
retardos de material se conservan, es decir, que las cosas deben permanecer en
los niveles o retardos hasta que salen.
Otro aspecto importante a considerar es que los sistemas dinámicos modelados

con dinámica de sistemas son de estado determinado, esto es, que un nivel
únicamente cambia por flujos de entrada y salida, y estos a su vez son
determinados por los niveles.
Manos a la obra.
Inicialmente hay que hacerse la siguiente pregunta: ¿qué cosas se acumulan o se
van disminuyendo en el fenómeno? Para el caso de la isla y teniendo en cuenta
los supuestos es claro que tanto los conejos como los zorros se acumulan, es
decir, la cantidad de zorros que se tiene hoy en la isla será igual a la cantidad que
había ayer más los que nacen entre ayer y hoy, menos los que mueren en el
mismo intervalo de tiempo. Igual análisis opera con los conejos, se invita al lector
para que lo realice por su propia cuenta.
Si lo anterior se expresa en términos de ecuaciones en diferencias se tiene que:
Z(t) = Z(t-1) + NacZ(t-1) – MueZ(t-1),
En donde Z(t) es la cantidad de zorros en el tiempo t, NacZ(t-1) es la cantidad de

zorros nacidos entre t y t-1 y MueZ(t-1) es la cantidad de zorros que mueren entre
t y t-1.
Nótese que Z(t) es el resultado de una suma algebraica.
Al revisar las demás variables, ninguna de ellas tiene un comportamiento que

implique acumulación. Se sugiere revisar el símil hidrodinámico.
Solamente las variables de nivel pueden ser incrementadas o disminuidas por

variables de flujo. Si un parámetro o una variable auxiliar, está conectada a una
variable de nivel, es porque es la condición inicial de la variable de nivel, y

depende de ese parámetro o variable auxiliar. Después del tiempo cero, el nivel se
calculará a partir de la tasa neta de los flujos.
Lección 23: Identificando los Flujos

Una vez se han identificado los niveles la tarea de identificar los flujos resulta más
sencilla pues los flujos siempre estarán relacionados con los niveles.
Se debe recordar que el tiempo es dinámica de sistemas es continuo, pero los

flujos deben ser necesariamente instantáneos. La Dinámica de Sistemas
representa el tiempo como continuo, básicamente porque los eventos ocurren en
cualquier momento y el tiempo puede ser dividido en finos intervalos de tiempo
(dt). De otra parte nadie podrá medir el valor instantáneo de ningún flujo, pues
siempre el flujo se dará entre dos instantes de tiempo, a ese espacio temporal se
le denomina ∆t y en cálculo infinitesimal es dt.
Las unidades que fluyen hacia y desde un nivel pueden ser o continuamente
divisibles como es el caso de la fracciones de pesos o un número discreto de
cosas, por ejemplo, cantidad de personas.
En el caso de los conejos y los zorros de la isla es claro que si un nivel está
determinado por el número de Conejos, habrá dos cosas que lo afectan, de un
lado los nacimientos y de otro las muertes. Se sugiere revisar figura 47.
Fíjese señor lector que la cantidad de conejos se incrementa con los conejos que
nacen. Así mismo la cantidad de conejos se disminuye con las muertes. De esta
manera se identifica un par de flujos que afectan al nivel. En la siguiente gráfica se
ilustra esta situación.
figura 48 Nivel y Flujos asociados a los conejos

La figura 48 muestra el diagrama de influencias, el diagrama de Forrester y una

gráfica de comportamiento, asociados a la dinámica propia de los Conejos. En
dicha gráfica es posible observar el nivel Conejos y los flujos Naci_Conejos y
Muerte_Conejos responsables de las variaciones de éste. Si los nacimientos son
mayores a las muertes se espera lógicamente un crecimiento de la cantidad de
conejos; si las muertes son mayores a los nacimientos se producirá una
disminución de la cantidad de conejos a tal punto de llevarlos a la extinción; si
ambos flujos son iguales el nivel se mantendrá con el mismo valor inicial.
Revisemos en lo que sigue la manera como se desarrolla el modelo de los conejos

y los zorros.
figura 49 Modelo presa - predador
En este modelo tanto la variable Conejos y como Zorros son los niveles o
variables de estado y representan el número de conejos y zorros respectivamente.
A, B, C y D son constantes positivas, para el caso de la dinámica de sistemas son
parámetros. Los cuatro términos tienen el siguiente significado: A y C reflejan las
condiciones de crecimiento de las especies, es decir, A es igual a la tasa de
natalidad de conejos menos la tasa de mortalidad de conejos y C refleja la misma
relación pero con respecto de los zorros. Para el caso de B y D estos parámetros
reflejan las interacciones entre los zorros y conejos, es decir, B establece la
relación condicionante de existencia de conejos para la reproducción de los zorros

y D representa la relación de depredación de los conejos por parte de los zorros.
En ausencia de zorros la población de conejos, (la velocidad de variación del

número de conejos), aumenta con el tiempo de forma proporcional al número de
conejos. El crecimiento es exponencial (ley de crecimiento malthusiana) y A es su
ritmo o tasa de crecimiento, es decir, su tasa de reproducción; en el modelo esta
situación es modelada con el flujo Nacimientos de conejos.
En ausencia de conejos el número de zorros (su velocidad de variación) disminuye

exponencialmente y de forma proporcional (con ritmo C) al número de zorros
presentes; en el modelo éste efecto se simula con el flujo muerte de zorros. Se
supone que resulta esencial la existencia de conejos suficientes para poder crecer
o, al menos, mantener la población actual.
En presencia de los zorros el número de conejos disminuye como consecuencia

de los posibles encuentros entre presa-predador y este efecto se supone
proporcional al producto de ambas poblaciones (-B*Conejos*Zorros), esto se
refleja en el modelo mediante el flujo de muertes de conejos; mientras que la
población de zorros aumenta como consecuencia de estos encuentros en una
forma similar (D*Zorros*Conejos); en el modelo esto se representa en el flujo
Nacimiento de zorros.
Es preciso que el lector reconozca lo dicho en los párrafos anteriores en el

modelo.
Lección 24: Usando las variables auxiliares

Las lecciones previas han dado algunas ideas para identificar niveles y flujos; en lo
que sigue se darán expondrán algunas ideas acera de cómo usar adecuadamente
las variables auxiliares.
Las variables auxiliares representan pasos o etapas en que puede llegar a estar el
cálculo de una variable de flujo a partir de los valores representados por los
estados de la variable de nivel. Las variables auxiliares unen los canales de
información entre las variables de nivel y las de flujo, aunque en realidad son parte
de las variables de flujo. Sin embargo se distinguen de ellas en la medida en que
su significado real sea más explícito. Las variables auxiliares de pueden emplear
para mostrar relaciones no lineales.
Si se revisa el modelo de conejos-zorros, allí aún no hacen aparición las variables

auxiliares, básicamente por no ser necesarias, pero podrían ser incluidas para
aumentar el poder explicativo del modelo.
La manera en que se deben usar las variables auxiliares se ilustra en la figura 50.
Si se observa con detenimiento es posible percatarse de como aparecen las
variables Mul_Lim_Comida, Enc_Probables y Con-Depredados. La primera
variable considera el efecto que sobre los nacimientos de los predadores tiene la
presencia o no de presas; esta variable (Mul_Lim_Comida) se determina a partir
de un parámetro (Efecto_nac_zor) y la cantidad de conejos, expresando
finalmente el efecto que la abundancia o escasez de comida tiene sobre los
nacimientos de los predadores. La variable auxiliar Enc_Probables calcula de
manera instantánea la cantidad de encuentros entre zorros y conejos, variable que
resulta determinada por la cantidad de zorros, la de conejos y por la probabilidad
de que ocurra un encuentro entre miembros de las poblaciones. Finalmente la
variable Con-Depredados calcula la cantidad de conejos que son depredados
consecuencia de la cantidad de zorros existentes. La importancia de esta variable
auxiliar consiste en que logra separar de un lado a los conejos que mueren de
forma natural y de otra a aquellos que mueren en las fauces de los zorros. No
olvidar, en todo caso, que el modelo de Locka-Volterra del cual se partió no hace
esta distinción.
Los parámetros utilizados representan cantidades que no cambian a través del

tiempo y permanecen constantes o su tasa de cambio es tan lenta que en el
horizonte temporal considerado no logra un cambio significativo que produzca
sesgos importantes en los resultados del modelo.
Se invita al lector para que revise detenidamente el modelo y logre identificar allí
las nuevas variables auxiliares que se incluyeron en el modelo al igual que los
parámetros que fue necesario incluir.
figura 50 Modelo presa – predador con variables auxiliares
Nótese también que los valores de las curvas lo mismo que los aspectos
cualitativos han cambiado, pero mostrando un comportamiento más suave que
podría ser más cercano a la realidad.
Lección 25: Usando los retardos y tablas

Cuando se incluye un retardo en un modelo, éste puede producir alteraciones en
el comportamiento observado. Si se revisa el modelo es claro que los nacimientos
de zorros aumenta la cantidad de zorros, pero también es cierto que todos los
zorros no van a cazar conejos, ya sea porque están muy pequeños o porque estén
muy viejos, en cuyo caso o comen las sobras o simplemente mueren.
Si al modelo de zorros y conejos se le adiciona un retardo que represente el

tiempo que le lleva a un zorro cachorro convertirse en adulto se ganaría en
capacidad explicativa del modelo, pues el supuesto de que todos los zorros cazan
sería más real; en este caso habría que calcular los nacimientos con una nueva
variable auxiliar (NacZorros) y luego retardar su inclusión en el nivel de zorros un
cierto tiempo equivalente al necesario para que el cachorro se convierta en adulto.
La variable de flujo ahora se llama EntradaZorrosAdu, es decir, que sólo se
considera al flujo como entrada de zorros a la isla, o en otras palabras, zorros que
abandonan a la madre y se convierten en potenciales cazadores. Se invita al lector
a revisar la siguiente figura.
figura 51 Modelo Presa Predador con Retardo

Nótese las elipses rojas que indican los cambios antes descritos, obsérvese el
efecto sobre, los zorros y los conejos, luego de haber incluido un retardo. Los
retardos en los sistemas son los responsables de los cambios, en la mayoría de

los casos, contra-intuitivos por lo que son difíciles de identificar en el fenómeno
modelado. Cuando se usan retardos, éstos se deben indicar en el diagrama de
influencias con un par de barras paralelas, ver el diagrama de influencias de la
figura 51. Conviene repasar la lección 5 del capítulo 4: Caracterización de los
Retardos.
Las tablas se usan en dinámica de sistemas para representar ya sea no

linealidades o multiplicadores.
En el actual modelo se ha considerado que la relación entre conejos y zorros, para

garantizar la supervivencia de los últimos es de 0.17, (que equivale a decir que un
zorro se come dos conejos en promedio en cada intervalo de tiempo, en las
condiciones iniciales del modelo) este valor es constante sin importar la relación
entre unos y otros que suele cambiar a través del tiempo, lo que haría que se
incrementaran o disminuyeran los nacimientos por la consideración básica de la
densidad poblacional.
Si en el modelo se cambia la taza natural de nacimiento de zorros por una relación

cambiante según se explicó arriba, se tendría que usar un multiplicador que
recogería el efecto del cambio en la densidad poblacional y lo aplicaría a la
variable nacimientos de zorros. Este hecho naturalmente cambia de nuevo la
dinámica del comportamiento, pero sigue mostrando una cualitativamente
semejante.
La figura 53 se muestra cómo queda el modelo después de hacer los cambios

indicados y en la siguiente el multiplicador diseñado para reemplazar la tasa TNZ.
figura 52 Multiplicador
Nótese que la salida TNZ varía entre 0.080 y 0.182, es decir que esos valores
están por encima y por debajo de 0.17 que era el valor del parámetro anterior
llamado TNZ.
figura 53 Modelo Presa Predador con Retardo y Multiplicador
Es importante ver que la entrada del multiplicador es la variable auxiliar relconzor

que se calcula a partir de la relación número de zorros dividido por el doble del
número de conejos. Es importante señalar que este cambio nos muestra en el
modelo un comportamiento que se aproxima a la solución teórica de Locka-
Voletra.
Para elaborar el modelo tenga en cuenta las siguientes ecuaciones.
Nombre = CONEJOS :Nivel_

Definición = 15
Descripción =
Nombre = Con_Depredados :Auxiliar_

Definición = Enc_Probables*P_Z_C_C
Descripción =
Nombre = Efecto_Nac_zor :Parametro_

Definición = 0.06
Descripción =
Nombre = Enc_Probables :Auxiliar_

Definición = PosEncuentros*P_Z_E_C
Descripción =
Nombre = EntradaZorrosAdu :Flujo_

Definición = RetCreZorros
Descripción =
Nombre = Mu_Nat_Con :Flujo_

Definición = (TMC*CONEJOS)+Con_Depredados
Descripción =
Nombre = Mue_Nat_Zor :Flujo_

Definición = TMZ*ZORROS
Descripción =
Nombre = Mul_Lim_Comida :Auxiliar_

Definición = CONEJOS*Efecto_Nac_zor
Descripción =
Nombre = NacZorros :Auxiliar_

Definición = (TNZ*ZORROS)*Mul_Lim_Comida
Descripción =
Nombre = Nac_Nat_Con :Flujo_

Definición = TNC*CONEJOS
Descripción =
Nombre = P_Z_C_C :Parametro_

Definición = 0.7
Descripción =
Nombre = P_Z_E_C :Parametro_

Definición = 0.05
Descripción =
Nombre = PosEncuentros :Auxiliar_

Definición = CONEJOS*ZORROS
Descripción =
Nombre = RetCreZorros :Retardo_

Definición = RETARDO(NacZorros,1,1,0)
Descripción =
Nombre = TMC :Parametro_

Definición = 0.05
Descripción =
Nombre = TMZ :Parametro_

Definición = 0.08
Descripción =
Nombre = TNC :Parametro_

Definición = 0.2
Descripción =
Nombre = TNZ :Tabla_

Definición =
INTLINEAL(2,0.2,0.3,0.08069644,0.08623956,0.09732579,0.1192878,0.153278,0.
1683122,0.175,0.18,0.182,0.183,0.1815029)
Descripción =
Nombre = ZORROS :Nivel_

Definición = 5
Descripción =
Nombre = relconzor :Auxiliar_

Definición = ZORROS/(2*CONEJOS)
Descripción =
CAPÍTULO 6: SIMULACIÓN
Introducción
Se acepta comúnmente que la simulación es la experimentación que se lleva a
cabo usando un modelo de una hipótesis o de un conjunto de hipótesis que dan
cuenta de un sistema o de la solución a un problema simulado.
Shannon (1976) define la simulación como "el proceso de diseñar un modelo de

un sistema real y llevar a término experiencias con él, con la finalidad de
comprender el comportamiento del sistema o evaluar nuevas estrategias -dentro
de los límites impuestos por un cierto criterio o un conjunto de ellos - para el
funcionamiento del sistema".
Para Naylor (1971) la simulación es una técnica numérica para conducir

experimentos en una computadora digital. Estos experimentos comprenden ciertos
tipos de relaciones matemáticas y lógicas, las cuales son necesarias para describir
el comportamiento y la estructura de sistemas complejos del mundo real a través
de largos periodos de tiempo.
En adelante se puede asumir que la simulación es la generación de posibles

estados de un sistema con el concurso de las matemáticas y las computadoras
dentro del contexto de un lenguaje de modelado.
Lección 26: Escenarios de Simulación

Los escenarios de simulación son el equivalente a las condiciones iniciales que se
usan en la resolución de ecuaciones diferenciales. Se definen a partir de los
valores de los parámetros y las variables de estado o niveles y las formas
particulares de las no-linealidades y los multiplicadores.
Hasta acá debe ser claro que la simulación permite tomar decisiones de manera
virtual, aprender de los errores y de los aciertos, y luego volver atrás como si nada
hubiese ocurrido, es decir, que con un buen modelo, se pueden evaluar diferentes
estrategias y estudiar sus efectos en el entorno para extrapolar conclusiones. Se
adquiere experiencia con costos bajos y evitando el riesgo de enfrentar
potenciales consecuencias adversas.
Mediante un plan de pruebas, se evaluarán los beneficios y los riesgos asociados

a cada alternativa en los escenarios simulados; así podrá identificarse la estrategia
más conveniente en cada caso.
Una situación común en los albores del siglo XXI es la prisa o el ansia por obtener
resultados en el corto plazo, la falta de plantificación y elaboración de soluciones.
Por este motivo una de las tareas a las que todo individuo con poder de decisión
debería dedicarse es al modelado y diseño de escenarios de simulación.
Pensar los escenarios de simulación es una tarea pesada y que la mayoría

prefiere dejar para otros, pero sin esta base las decisiones no serán tomadas de
forma acertada debido básicamente a la falta de dirección, estrategia, visión y
planificación, y mucho más en un entorno cambiante.
Alguno teóricos como Peter Schwartz (1991), proponen algunas estrategias para
llevar a cabo de forma exitosa “simulaciones de escenarios“, definiendo posibles
situaciones futuras para determinar las acciones a desarrollar. No es una receta
infalible, sino de una técnica mediante la cual se trata de definir cómo será el
entorno en el medio y largo plazo (con varios escenarios) y definir las acciones a
desarrollar para lograr los objetivos propuestos.
La técnica de Schwartz, adecuada al modelado dinámico sistémico, tiene 5 pasos.
1. Realizar un modelo: procurando identificar las variables relevantes del

sistema.
2. Definir un mapa con dos ejes; los ejes vendrán determinados por las dos
variables más inciertas que se haya identificado.
3. Imaginar futuros posibles. A veces definir escenarios es muy frío, de forma

que puedes tratar de transformar cada escenario en una historia de futuro.
4. Pensar en implicaciones y acciones. Para cada escenario pensar en

implicaciones y acciones a desarrollar
5. Finalmente será necesario definir indicadores de seguimiento. Definidos los

escenarios y las actuaciones es imprescindible realizar un seguimiento de
los mismos con la finalidad de poder ir modulando las acciones.
Este ejercicio no dará el escenario futuro exacto pero si ayudará a:
 Analizar la situación actual

 Analizar el entorno
 Reelaborar los modelos mentales acerca de la realidad
 Mantenerse atento a los cambios
 Disponer de un plan de actuación a medio y largo plazo
 Huir de la coyuntura de un momento
En lo que sigue se hacen un par de aclaraciones que es preciso que el lector

domine conceptualmente. Un escenario debe ser entendido como la descripción
de una situación que pudiese presentarse como resultado de una acción o por una
dinámica evolutiva en el tiempo. Así mismo la construcción de escenarios implica
el diseño y elaboración de un número de visiones consistentes internamente de
futuros posibles, combinando la información disponible y las posibilidades de
futuro.
El diseño de escenarios de simulación permiten en esencia visualizar el futuro, y

es especialmente útil cuando éste no puede ser visto como una simple
prolongación del pasado, es decir, cuando una mera extrapolación generada por
una regresión es suficiente. Tal visualización consiste en tener un panorama de
futuros posibles, representados cada uno de ellos en un escenario determinado.
Algunas características del diseño de escenarios:
 Ejercicio colectivo, es decir, se debe desarrollar un proceso de reflexión

compartida.
 Se proyecta al largo plazo, esto es, 10, 15 o 20 años son los horizontes
temporales habituales.
 Se valoran las proyecciones en el marco del fenómeno determinado por sus
efectos sociales, políticos y económicos.
 Se analizan y valoran los obstáculos que se oponen a la materialización de
las proyecciones o comportamientos esperados y se revisan las fuerzas
que pueden facilitarlas. Alta dependencia con la realidad modelada.
Escenarios y pronósticos
Los escenarios tienen que ver con los procesos relativos a “precisar” lo que va a
pasar, como consecuencia de una acción determinada o de una dinámica
evolutiva de un proceso de naturaleza esencialmente incierto.
El pronosticar es en esencia un sinónimo de predecir y el resultado de un buen

proceso de simulación de escenarios ha de ser cuál de un conjunto posible de
“escenarios” es más probable, es decir, cuál será el escenario que ha de ser
pronosticado.
Los escenarios y la toma de decisiones

La inteligencia en la toma de decisiones se entiende como la capacidad de reunir y
analizar datos para la difusión de información relevante que permita crear
conocimiento apto, empleando para ello la simulación mediante escenarios como
herramienta de estudio de los pronósticos o de los futuros plausibles, con el fin de
determinar entre todos los escenarios posibles el más favorable y probable.
Tanto la cobertura como el tipo de simulación a seguir la debe definir el usuario

final del modelo, esto se justifica en la medida en que la simulación de escenarios
puede ser aplicada a cualquier problema que pueda ser modelado y que requiera
de una solución estratégica.
Cómo construir o Simular escenarios.

Adicional a la propuesta de Peter Schwartz (1991), en términos generales se
puede proponer como etapas para la construcción y simulación de escenarios las
siguientes:
Etapas
1. Identificar el tema focal, los objetivos del análisis, el horizonte temporal, el
problema a modelar y a resolver.
2. Seleccionar el grupo de trabajo que puede ser mediante la aplicación de:
2.1. Técnicas prospectivas, es decir: seleccionar un grupo con un nivel lo más

homogéneo posible; realizar trabajo individual; que haya anonimato entre
los integrantes del grupo y que los datos se den a partir de juicios de valor
basados en conocimiento, experiencia, imaginación, sentido común e
intuición.
2.2. aplicando la inteligencia empresarial, mediante el aporte de especialistas
en Inteligencia empresarial más un grupo pequeño de expertos (con
iguales características). El grupo de expertos apoya el trabajo y lo
complementa, pero los datos principales, parten de los productos de
inteligencia previamente realizados, ej: estudios de tendencias.
3. Analizar el entorno, que consiste básicamente en identificar el contexto dentro

del cual se desarrolla el problema procurando identificar variables exógenas
determinantes o determinadas por el problema en cuestión.
4. Identificar y caracterizar las variables claves predecibles, construir el modelo,

para ello se siguen los lineamientos previamente presentados en las lecciones
precedentes, pero vale la pena recordar que es conveniente la determinación:
4.1. de varios indicadores que caractericen el futuro de una variable.

4.2. de las variables o indicadores que caractericen un escenario o situación.
4.3. y de las variables considerando las tendencias y eventos que permitan
construir todos los escenarios posibles: Tendencias: variables continuas
importantes en la descripción del estado de un escenario, basadas en
consideraciones políticas, económicas, sociales y técnicas. Eventos:
cambios repentinos que pueden ocurrir en el futuro, donde la ocurrencia de
un evento puede alterar la estructura de los escenarios y por tanto de una
o más tendencias.
5. Recopilación de los datos. Esta fase consiste básicamente en la

caracterización de una o varias variables a partir de fuentes confiables como
opiniones de expertos o datos medidos por otras fuentes. Cada variable debe
quedar expresada en su escala natural de medición y todos los resultados
deben ser expresados en una sola escala de medición, la más factible, esto
redunda en la homogeneidad de los resultados.
6. Procesamiento y análisis de los resultados. Para este propósito se pueden

realizar desde dos perspectivas ya sea la sintética o la analítica. En el primer
caso se obtiene un escenario con los con los valores síntesis de cada variable
y en el segundo se construyen escenarios posibles, tomando en consideración
todas las relaciones entre los eventos y las tendencias.
7. Construcción del escenario futuro o de todos los posibles, con la determinación

de los más probables y favorables. Para lograrlo se propone:
7.1. Determinación del escenario más probable. Empleo de Evolución o Vensim

o cualquier otro software.
7.2. En el grupo de trabajo se determinan los escenarios: más optimista y
pesimista entre los más probables.
7.3. Elaboración de un plan de acción para cada escenario seleccionado, que
permita, en la medida de la variación de las circunstancias, tomar medidas
con la previsión adecuada. Interacción con el futuro
8. Evaluación de las implicaciones de los escenarios al planeamiento estratégico

que pueden ser de alcance:
Nacional o regional, por ejemplo en la:

 Determinación del futuro socioecnómico de una región o país.
 Identificar campos de desarrollo y aplicación de la tecnología.
 Caracterización de las tecnologías futuras en un sector determinado.
 Futuro del comercio internacional: nuevas modalidades.
 Caracterización de escenarios futuros de sectores industriales.
Empresarial en el análisis y comprensión de las fuerzas que operan en el entorno

y que determinan o determinarán los escenarios en los que deben o deberán
gestionar las empresas. Algunos ejemplos:
 Estrategia para la comercialización de un producto o servicio.
 Evaluación de la factibilidad de un proceso de transferencia de tecnología.
 Evaluación de la factibilidad de una fusión o alianza.
9. Toma de decisiones. Interacción con el futuro, acciones dirigidas al escenario

más favorable. Para lograr una efectiva toma de decisiones se debe:
 Partir de un conocimiento profundo de las realidades del espacio a

caracterizar y de las herramientas y metodologías a emplear.
 Manejar tanto la inteligencia organizacional, como la prospectiva, los
pronósticos y la simulación de escenarios, consideradas éstas como
herramientas estratégicas.
 Emplear la simulación de escenarios para predecir o generar futuros
plausibles posibilitando la interacción con éste, permitiendo alcanzar una
mayor competitividad.
 Simular escenarios teniendo en cuenta que se trata de una de las
herramientas claves para la realización de pronósticos y la práctica de la
prospectiva contribuyendo directamente en la reducción del nivel de
incertidumbre.
En la lección que sigue se construirá un par de escenarios con el modelo de los

conejos y los zorros y se procederá con el análisis de sensibilidad.
Lección 27: Análisis de Sensibilidad

El análisis de sensibilidad tiene como propósito, a partir del diseño de un
escenario, identificar los lugares en los que el sistema es más sensible, es decir,
aquellos lugares en que con poco esfuerzo se logran resultados importantes.
El análisis de sensibilidad permite:

 Estimar la sensibilidad de los resultados del modelo a cambios de un
parámetro, realizando análisis del tipo “que pasa si”.
 Conocer qué variables de riesgo son importante y están asociadas al
manejo de incertidumbre, por ejemplo, una variable es importante
dependiendo de su participación porcentual en los beneficios o costos y de
su rango de valores probables.
 Determinar la dirección del cambio en las variables. En el caso de un
proyecto de inversión el análisis de punto de quiebre permite determinar
cuánto una variable puede cambiar hasta que su VAN se vuelva negativo.
Limitaciones del Análisis de Sensibilidad

Rango y distribución de probabilidad de variables.
 El Análisis de Sensibilidad típicamente no representa el posible rango de
valores.
 El Análisis de Sensibilidad no representa las probabilidades para cada
rango. Generalmente hay una pequeña probabilidad de estar en el extremo.
 Dirección de los efectos.
Para la mayoría de variables, la dirección es obvia
Conejos aumentan → Los zorros aumentan

Las muertes de conejos aumentan → La cantidad de conejos baja
Si los lobos aumentan → No es tan obvio cuando comienzan a disminuir los
conejos
Un análisis basado en el cambio de una sola variable no es realista porque las

variables están interconectadas.
 Si el número de conejos aumenta, la cantidad de zorros aumentará.
 Si se acabara la comida de los conejos, todos, conejos y zorros se
disminuirían.
Siguiendo con el modelo de zorros y conejos se proponen dos escenarios y se

realiza el análisis de sensibilidad con cambios en los parámetros del modelo y se
observa el efecto sobre algunas variables del modelo.
Supóngase que se tiene el siguiente escenario, en el que se va a modificar la TNC

(tasa natural de nacimiento de conejos sin presencia de depredadores) desde el
20 % al 16 % disminuyendo en cada caso un 1%. Ver la siguiente tabla.
Escenario 1
Variables TMC TNC Conejos TMZ Zorros
Var 1 0,05 0,20 15 0,08 5
Var 2 0,05 0,19 15 0,08 5
Var 3 0,05 0,18 15 0,08 5
Var 4 0,05 0,17 15 0,08 5
Var 5 0,05 0,16 15 0,08 5
Este escenario permite ver qué sucede si hay cambios en la tasa de natalidad
natural de los conejos, obsérvese que puede ser un parámetro controlable por el
modelador mediante algún tipo de medicamento o mediante la disminución de
machos en la isla.
Para hacer esto en Evolucion 4.1 inicialmente se escoge la opción “nuevo análisis
de sensibilidad con variación de parámetros”, vea en la siguiente figura el círculo
verde.
figura 54 Análisis de Sensibilidad

Se selecciona donde indica la estrella verde la opción de trayectorias y se incluyen

los escenarios, ver la siguiente gráfica.

Para el caso que nos ocupa se selecciona el parámetro, ver gráfico rojo. Luego se
escoge la variación, recuerden que variamos de 20% a 16%, la TNC por eso se
escoge -0.01, óvalo verde. Luego se escoge la variable que se quiere observar, es
decir, qué pasa con la cantidad de conejos, cuadrado azul. Luego se selecciona el
número de iteraciones, óvalo marrón y finalmente se da clic en Aceptar, estrella
morada. El resultado es el siguiente.
figura 57 Resultado del Análisis de Sensibilidad Escenario 1

Obsérvese como una baja en la tasa de natalidad natural provoca oscilaciones en

la cantidad de conejos, parece que hay en el modelo un comportamiento contra-
intuitivo explicado básicamente por el efecto látigo que se produce en el retardo y
posiblemente el efecto amplificador que tiene la no-linealidad.
Se invita al lector para que diseñe nuevos escenarios de simulación teniendo en

cuenta qué variable desea observar y bajo qué condiciones. Suponga este nuevo
escenario en que se analiza los cambios en la TMC y su efecto en los zorros.
Escenario 2
Variables TMC TNC Conejos TMZ Zorros
Var 1 0,05 0,2 15 0,08 5
Var 2 0,04 0,2 15 0,08 5
Var 3 0,03 0,2 15 0,08 5
Var 4 0,02 0,2 15 0,08 5
Var 5 0,01 0,2 15 0,08 5
Y observar que sucede con el número de zorros en el sistema. Debería suceder

algo como lo que se muestra en la siguiente gráfica.
figura 58 Resultado del Análisis de Sensibilidad Escenario 2
El lector deberá interpretar las variaciones a partir de las relaciones de las

variables del sistema y dar una explicación plausible.
Lección 28: Validación de Modelos

El modelamiento es un proceso iterativo en la medida en que no hay un proceso
secuencial que lo soporte, por ello los resultados de cada paso pueden llevar a
mejorar la comprensión del problema y revisiones de pasos previos, como se
indica en el centro del diagrama que sigue. Cada línea implica un ir de vuelta
desde una etapa a otra, por ejemplo, se va de la etapa 1 a la 2, pero igualmente
es posible regresar de la cinco a cualquiera de las demás fases.
figura 59 Proceso de modelado según Sterman27
Introducción a la validación de modelos

En los procesos de toma de decisiones en los que se usan modelos, ya sean
formales o mentales, es preciso que éstos sean adecuadamente validados dado
que es una eficaz manera de garantizar que el modelo sea una representación
adecuada de la realidad y que esté acorde con el propósito para el cual fue hecho.
Este proceso presupone la pregunta acerca de si realmente importan los

supuestos y específicamente a quién, además de la consideración asociada a la
documentación, la cual es frecuentemente ignorada, que debe conducir hacia una
27
Gráfica adaptada de Sterman, 2000. Business Dynamics: Systems Thinking and Modeling for a Complex World. Cap. 21.
adecuada comprensión, evidenciable ésta en la réplica y la crítica, expresadas ya

sea por otros o por el mismo modelador.
Para el desarrollo de esta actividad se cuenta con una amplia gama de pruebas,
que determinan la robustez y las limitaciones del modelo; es un proceso de
construir confianza en el modelo. La validación debe iniciarse desde la primera
ecuación del modelo velando porque desde un comienzo haya consistencia en las
unidades usadas. Al validar el modelo lo que se pretende es verificar que
representa la realidad modelada y no meramente la realización de réplicas, no se
trata de que se repliquen comportamientos funcionales si no que éstos se deriven
de la estructura del modelo.
Es importante asegurarse que cada variable tiene una relación con la realidad, es
decir, debe ser factible establecer para cada variable, el triángulo de la
significación.
No se debe perder de vista que el hecho de que las variables se clasifican en

suaves y duras. Las variables suaves son aquellas que representan metas,
expectativas o percepciones. Al respecto Forrester (1961) dice “…omitir tales
variables (las suaves) es equivalente a decir que ellas tienen efecto cero,
probablemente el único valor que se conozca sea equivocado (traducción libre)28”,
pero en todo caso hay que considerarlas.
El proceso de validación de un modelo29
Un modelo en dinámica de sistemas ha de ser validado tanto en lo que a su

estructura como a su comportamiento se refiere, aunque valga decir, finalmente
resulta en que se valida la estructura de forma directa o indirecta.
La validación de la estructura del modelo consiste en establecer que las relaciones

usadas en un modelo son una representación adecuada de la realidad o
relaciones reales, y están acordes con los propósitos del modelamiento. Este tipo
de evaluación puede ser hecha de dos maneras: directa o indirecta.
La prueba de la estructura directa evalúa la validez de la estructura del modelo

comparándola directamente con el conocimiento cierto acerca de la estructura real
del fenómeno modelado. Esto implica evaluar cada relación en el modelo mientras
haya conocimiento verificado del sistema modelado. Estas pruebas son
cualitativas por naturaleza, no involucran la simulación.
28
FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus Communications.
29
Basado en el texto de BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model Validation,
disponible on line en http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado el 2 de mayo de
2011
La prueba de estructura indirecta o de comportamiento evalúa la validez de la

estructura indirectamente al aplicar ciertas pruebas de comportamiento sobre los
patrones de comportamiento generados por el modelo. Por ejemplo, la prueba de
las condiciones extremas implica asignar valores extremos a parámetros
seleccionados y comparar el comportamiento generado por el modelo con el
comportamiento esperado o el observado en el sistema real bajo la misma
condición extrema. Éstas son pruebas extremas de comportamiento que pueden
proporcionar información indirecta sobre las posibles fallas estructurales.
En una prueba típica de comportamiento orientada a la estructura, el modelador

hace una afirmación de la forma: "si el sistema funciona bajo la condición C,
entonces daría como resultado el comportamiento (s) B." El modelo se ejecuta
bajo la condición C y se dice que éste “pasa” la prueba comportamiento orientada
a la estructura, si el comportamiento resultante es similar al comportamiento
esperado.
Para estos modelos, la validez significa en última instancia la validez de la

estructura interna del modelo.
Aunque la validación estructural es crucial, la mayoría de la literatura sobre

investigación técnica sobre la validación de los modelos se ocupa sólo de lo que
se conoce como la validación del comportamiento. Puede haber dos razones
principales por las que la validación de la estructura ha sido ignorada tanto tiempo
en la literatura sobre modelos. El primero se deriva de una falta de reconocimiento
de la importancia filosófica de la validación de la estructura en los modelos de caja
transparente (a diferencia de modelos de caja negra). La segunda razón tiene que
ver con la dificultad técnica para diseñar formalmente herramientas estadísticas
orientadas a determinar la validez estructural.
Fases en la validación de un modelo

En el siguiente gráfico se muestran las fases, como un proceso iterativo, para
lograr la validación de un modelo.
Inicia con la construcción del modelo y sus posteriores revisiones a partir de los
fallos en el intento por pasar alguna de las pruebas. Después se harán las
pruebas de desempeño directo, es decir, las pruebas sobre la estructura del
modelo. Si no pasa la prueba se ha de devolver a la fase uno. La siguiente fase
evalúa la estructura a partir de los comportamientos simulados versus los
observados u esperados. Si hay fallo en esta prueba, se ha de revisar de nuevo el
modelo. La cuarta fase se concentra en validar los resultados del modelo frente a
patrones de desempeño. De nuevo si falla en estas pruebas deberá ir a revisión el
modelo. Finalmente se comunican los resultados de la validación a los
interesados quienes proceden a su implementación.
figura 60 Proceso de validación de un modelo
En las lecciones que siguen se enuncian los distintos tipos de pruebas según lo
que se ha presentado en esta lección.
Lección 29: Pruebas de modelos en la práctica

Se ha venido insistiendo en la importancia que tiene el proceso de validación de
modelos, en lo que sigue se hará una descripción de las pruebas comúnmente
usadas.
Los modelos de dinámica de sistemas son causales y descriptivos, esto quiere

decir que están orientados al diseño en vez del propósito, por lo tanto, los que es
esencial en la validación de un modelo es la estructura interna. ”Resultado
correcto por las razones correctas”.
Prueba de límites del modelo

Esta prueba busca determinar cuáles son los límites que fueron considerados a la
hora de definir las variables del sistema y permite deducir si tales límites son
apropiados para el problema en cuestión, es decir, permite verificar que los límites
del modelo se correspondan con su propósito. Para ello es necesario construir un
límite inicial y a partir del mismo estudiar las variables exógenas que podrían ser
endógenas y las variables exógenas que podrían variar en el tiempo de acuerdo
con el horizonte temporal.
La prueba de los límites del sistema tienen como propósito determinar qué
variables son exógenas y cuáles son endógenas, es decir, cuales son
influenciadas e influencian el sistema o cuales son influenciadas o influencian, el
sistema, pero no ambas a la vez.
Otro aspecto a considerar es el límite temporal, es decir, el horizonte de tiempo,

en el cual se da la evolución del sistema a partir delas condiciones iniciales.
Pruebas de evaluación de la estructura

Las pruebas aplicadas a la estructura tiene como propósito verificar la consistencia
de la estructura con el sistema real, es decir, que busca establecer una correlación
alta entre los elementos constitutivos de la realidad modelada y las variables del
modelo.
Entre los elementos a considerar están el nivel de agregación, la topología del

sistema físico y las reglas de decisión. Por ejemplo, sería inconsistente tener un
modelo que admita un “nivel de agua negativo”. Además se debe tener en cuenta
que haya consistencia dimensional, es decir, no es coherente que los flujos
asociados a un nivel sean de unidades diferentes a lo contenido en el nivel, es
decir, si hay un nivel que contiene agua, sería incoherente que hubiere un flujo de
vino y que lo que sigue estando contenido en el nivel sea agua. Concluyendo,
esta prueba verifica que en el modelo se haya considerado las características del
sistema real relevantes para su propósito.
Evaluación de parámetros
Esas pruebas deben determinar qué tanto los parámetros tienen un significado
claro y evidenciable con respecto del fenómeno modelado. Estas pruebas son
realizadas con el concurso de herramientas estadísticas o con la opinión de los
expertos en el dominio de conocimiento al cual pertenece la realidad modelada.
Pruebas de condiciones extremas

Esta prueba tiene como propósito probar la robustez del modelo bajo condiciones
extremas, es decir, permite analizar si el modelo se comporta apropiadamente
cuando las entradas toman valores extremos, por ejemplo:
Ante la pregunta de ¿cuántos nacimientos habrían si no hay conejas en la isla? y

si la pregunta fuera ¿cuánto sería el número de carros vendidos si el precio se
incrementa a 300 millones por carro? El lector puede estar pensando que son
obvias las repuestas…es decir, debería ser obvio que el modelo debería pasar las
pruebas de condiciones extremas.
Pruebas de reproducción de comportamiento

Para evaluar la habilidad de reproducir el comportamiento en un modelo puede
usarse estadísticas comunes, por ejemplo, el R², coeficiente de determinación, por
ejemplo, la fracción de la varianza en los datos que es explicada por el modelo,
esto es, una predicción perfecta.
También se puede usar el MAE: Mean Absolute Error, el MAPE: Mean Absolute
Percent Error, la MAE/Mean, el (R)MSE: (Root) Mean Square Error, que pone
mayor peso en los errores grandes que en los pequeños.
Si se desea evaluar matemáticamente el nivel de ajuste de los resultados del

modelo con respecto a los datos reales, se usa el Estadístico de Theil, que permite
obtener una medida del nivel de ajuste de un modelo conforme a la realidad y
consiste en dividir el cuadrado medio del error en tres componentes: sesgo (Um),
variación desigual (Us, unequal variation) y covariación desigual (Uc, unequal
covariation). El sesgo crece cuando la salida del modelo y los datos reales difieren
en su media. La variación desigual indica que la varianza de las dos series difiere.
La covariación desigual indica que el modelo y los datos reales no están bien
correlacionados, es decir, que difieren punto por punto.
Para un ejemplo completo se invita al lector a revisar el artículo titulado “Un
modelo de simulación de la Producción de quesos madurados30”.
30
MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulación de la Producción de quesos madurados.
Agroalim, jun. 2009, vol.15, no.28, p.107-122. ISSN 1316-0354.
Lección 30: Experimentación Simulada31

Forrester (1961) enuncia una situación problemática en la organización: el proceso
de aprendizaje organizacional es costoso, ineficiente, por ensayo y error. Luego
propone la correspondiente mejora: experimentar con laboratorios administrativos.
Estos laboratorios, como lo menciona en su libro, tienen como instrumento

principal de experimentación un modelo simulable en el computador construido
mediante la dinámica de sistemas. La argumentación de Forrester inicia
caracterizando ciertas limitaciones del proceso "natural" de aprendizaje
organizacional que ocasionan ineficiencias en el mismo. Como solución plantea la
constitución de un proceso "artificial", en laboratorio, de aprendizaje
organizacional. La DS es la metodología para el diseño del laboratorio y de sus
instrumentos, y para la experimentación simulada. Este proceso "artificial" debe de
cierta manera superar algunas de las ineficiencias de su contraparte "natural" y de
este modo debe hacer más eficiente el aprendizaje en la organización.
A partir de este esquema interpretativo sobre los planteamientos de Forrester, la

pregunta por las razones que hacen a la dinámica de sistemas adecuada para
aplicaciones de AO puede ser desagregada en tres grupos de interrogantes
particulares:
¿Cómo sucede el proceso "natural" de aprendizaje organizacional? y ¿Cuáles son

sus limitaciones?
¿Cómo sucede el proceso "artificial" de aprendizaje organizacional? y ¿Por qué la

dinámica de sistemas es la metodología guía para ejercitar este proceso?
¿De qué manera el proceso "artificial" al ser "implantado" sobre el proceso

"natural" mejora la eficiencia del aprendizaje organizacional?
A continuación se abordan en este orden cada uno de los interrogantes.
Aprendizaje organizacional "natural"

Sotaquirá et al (1996) indican que Forrester caracterizó este proceso “natural” de
aprendizaje como la constitución progresiva de una capacidad de juicio como
resultado de experiencias de decisión y de acción en situaciones organizacionales.
A su vez, esta capacidad de juicio actúa como orientadora de las decisiones y
acciones en situaciones futuras. En consecuencia, el aprendizaje organizacional
“natural” es un proceso cíclico. Cabe recordar que en dinámica de sistemas el
concepto de ciclo de realimentación es fundamental porque es considerado el
31
Tomado parcialmente de RICARDO SOTAQUIRA GUTIERREZ, LILIA NAYIBE GELVEZ PINTO, "Una revisión crítica del
Aprendizaje organizacional Dinámica de Sistemas" En: Colombia. 1996. Evento: Coloquio Latinoamericano sobre
aplicaciones del Pensamiento Sistémico y la Investigación-Acción Participativa Ponencia:Libro:Memorias del Coloquio
Latinoamericano sobre aplicaciones del Pensamiento Sistémico y la Investigación-Acción Participativa, Universidad De Los
Andes , p.1 - 10
elemento estructural básico de los sistemas. Finalmente hay que señalar que esta
visión del aprendizaje organizacional, como un solo ciclo de realimentación, es
incompleta, por cuanto no presenta la manera como se va constituyendo y
modificando la capacidad de juicio para decidir.
Mundos virtuales para el aprendizaje organizacional "artificial"

Con el fin de superar o atenuar esas limitaciones sobre el proceso “natural” de
aprendizaje organizacional, los investigadores dinámico-sistémicos, como lo
señaló Forrester, sugieren un proceso “artificial”. Este último, como todo proceso
de aprendizaje a la luz de la dinámica de sistemas, también está constituido por un
ciclo doble de realimentación. Pero a diferencia del “natural”, no se sucede sobre
la cotidianidad de la organización sino que ocurre en laboratorio.
Para hacer posible un proceso de aprendizaje organizacional en laboratorio, es

necesario disponer de un modelo de la realidad organizacional sobre el cual se
pueda experimentar. Es decir, de manera análoga al aprendizaje “natural” que
sucede en la organización, el aprendizaje “artificial” ocurre alrededor de un modelo
de la organización, que se denomina micromundo o mundo virtual.
El aprendizaje “artificial” en la organización es semejante al “natural”, lo que

cambia es el objeto de aprendizaje y acción, ahora es un mundo virtual. No
cualquier modelo de la organización sirve como mundo virtual para el aprendizaje
en laboratorio. Sobre el mundo virtual debe ser posible experimentar la toma de
decisiones y, seguidamente, recibir información de realimentación sobre sus
consecuencias. El mundo virtual debe ser entonces un modelo que simule el
comportamiento dinámico de la organización ante diferentes alternativas de acción
y bajo diferentes escenarios organizacionales y ambientales.
Incrementando la eficiencia del aprendizaje organizacional

Habiéndose presentado la dinámica de sistemas como una metodología adecuada
para la creación del laboratorio para el aprendizaje “artificial” en la organización,
surge una pregunta. ¿Cómo sería un proceso eficiente de aprendizaje en la
organización? Un aprendizaje organizacional eficiente sería aquel que, en primer
lugar, cumpla con el objetivo principal de hacer explícitos y modificar los modelos
mentales individuales y colectivos, lo cual sucede de manera espontánea y
esporádica en situaciones naturales; y que, en segundo lugar, permita el
cumplimiento del objetivo de una manera más rápida, mediante la superación de
los obstáculos naturales citados, inherentes a la realidad organizacional. En
consecuencia, se deben satisfacer estas dos condiciones para sustentar que el
aprendizaje "artificial" acoplado al proceso natural da como resultado un
incremento en la eficiencia del aprendizaje organizacional.
La segunda condición implica el vencer las complejidades y limitaciones propias

de la situación organizacional real que es objeto de aprendizaje. Esta dificultad se
hace patente durante la construcción del modelo y por este motivo el modelo solo
puede ser una representación simplificada de tal realidad, con mayor razón un
modelo en dinámica de sistemas por cuanto implica lograr una formalización
matemática del fenómeno. Este modelo, el mundo virtual, es el objeto de
aprendizaje y experimentación en el espacio del laboratorio. Sobre el mundo
virtual se tiene información perfecta acerca de su estructura, expresada en el
modelo en dinámica de sistemas, y de su comportamiento, debido a la posibilidad
de simulación.
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD DOS
1. ¿Qué semejanzas hay entre una derivada y una razón de cambio?

2. Referencie casos en los cuales hay una razón de cambio
3. Explique por qué razón hay cambio en los ejemplos anteriores
4. ¿Cuál es la relación que hay entre razón de cambio y procesos dinámicos?
5. ¿Qué es un sistema dinámico?
1. Diga que es un nivel y dé tres ejemplos
2. Diga que es un flujo y dé tres ejemplos
3. Diga que es un parámetro y dé tres ejemplos
4. Diga que es una variable auxiliar y dé tres ejemplos
5. Explique adecuadamente cada respuesta
1. ¿Cómo se identifica un nivel?
2. ¿Cómo se identifica un flujo?
3. ¿Qué diferencia un flujo de un nivel?
4. Dé otros ejemplos de flujos acoplados a niveles
5. Sustente adecuadamente sus respuestas anteriores
1. ¿Es lo mismo una variable auxiliar que una de nivel, explique?
2. ¿Qué es una no linealidad?
3. ¿Qué es un multiplicador?
4. ¿Enuncie las diferencias entre un multiplicador y una no linealidad?
5. ¡En qué casos se usa un multiplicador y cuando una no linealidad, dé
ejemplos?
1. ¿Qué es un retardo y cómo se representa matemáticamente?
2. ¿Es lo mismo un retardo de información que uno de material?
3. ¿Qué es el orden de un retardo?
4. ¿Qué es el grado de un retardo?
5. ¿Cuál es la principal ventaja de poder usar retardos en el modelado?
1. ¿Que hace que una población de conejos aumente?
2. ¿Qué hace que la población de zorros se incremente?
3. ¿Qué variables de ese ecosistema sería un nivel?
4. ¿Qué variables de ese ecosistema sería un flujo?
5. ¿Podría haber retardos en el sistema, explique las razones?
1. ¿Por qué se decide que los zorros y los conejos son niveles?
2. ¿Podría haber más niveles?
3. ¿Qué pasa si un nivel se agota?
4. ¿Un nivel debe tener alguna capacidad o puede ser infinito?
5. ¿Tiene sentido que un nivel tenga valores negativos? explique su respuesta
1. ¿Por qué los nacimientos de conejos son un flujo?
2. ¿Las muertes de los zorros podrían modelarse de otra manera, explique su
respuesta?
3. ¿Un flujo en qué se diferencia de un nivel, explique la diferencia usando el
modelo de zorros y conejos?
4. ¿Qué pasa si nacen muchos conejos?
5. ¿Qué sucedería si aumenta la tasa de natalidad de zorros?
1. ¿Por qué son importantes las variables auxiliares?
2. ¿Una variable auxiliar puede ser reemplazada por un parámetro?

3. ¿Las variables auxiliares se conectan directamente con un nivel?
4. ¿Una variable auxiliar se usa para valores constantes?
5. ¿Qué errores se pueden cometer al elaborar un modelo?
1. ¿Qué elementos hay que tener en cuenta al incluir un retardo en el modelo,
para el caso de Evolucion 4.1?
2. ¿El retardo determina los comportamientos cíclicos, por qué?
3. ¿La tabla se confecciona de qué manera, con datos reales o con la precepción
del modelador?
4. ¿Cuándo usar un multiplicador?
5. ¿Cuándo usar una no-linealidad?
1. ¿Qué es la simulación?
2. ¿Es igual simular a experimentar?
3. ¿Qué es la experimentación simulada?
4. ¿La simulación podría servir para aprender?
5. ¿Qué otro nombre podría servir para la simulación?
1. ¿En qué consiste la sensibilidad de un sistema?
2. ¿El análisis de sensibilidad permite conocer qué tipo de elementos del sistema?
3. ¿Cuál es la importancia del análisis de sensibilidad?
4. ¿Enumere los pasos requeridos para realizar el análisis de sensibilidad?
5. ¿Cuál es la relación que existe entre un análisis de sensibilidad y un escenario?
1. ¿Por qué es importante validar los modelos?
2. ¿Cuáles son las estrategias para validar un modelo?
3. ¿Cuáles pasos deben tenerse en cuenta para validar un modelo?
4. ¿Qué problemas pueden surgir si no se validan los modelos?
5. ¿La estadística es importante a la hora de validar modelos?
1. ¿En qué consiste la prueba de los límites del sistema?
2. ¿Para qué se realiza la prueba de la estructura del sistema?
3. ¿Cómo se aplica la evaluación de parámetros?
4. ¿Cuál es el sentido de aplicar una prueba extrema?
5. ¿La prueba de reproducción del comportamiento qué permite?
1. ¿Qué es la simulación experimentada?
2. ¿Qué es el aprendizaje organizacional?
3. ¿Si se modela una organización, se aprende sobre ella, explique?
4. ¿Puede hablarse de organizaciones inteligentes?
5. ¿En definitiva, cuál es el aporte de la dinámica de sistemas al entendimiento de
las organizaciones?
FUENTES DOCUMENTALES DE LA UNIDAD DOS
SHANNON, R; JOHANNES, J. D. (1976). «Systems simulation: the art and

science». IEEE Transactions on Systems, Man and Cybernetics 6(10). pp. 723-
724. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=4309432.
NAYLOR, T. H., BOUGHTON J. M. (1971). Computer simulation experiments with

models of economic systems. Editorial Wiley.
SCHWARTZ, P. (1991). The Art of the Long View: Planning for the Future in an
Uncertain World. New York: Doubleday.
STERMAN, (2000). Business Dynamics: Systems Thinking and Modeling for a

Complex World. Chapter 21.
FORRESTER, J. W. (1961) Industrial Dynamics. Waltham, MA: Pegasus

Communications.
BARLAS, Y. and KANAR, K. (2000), Structure-oriented Behavior Tests in Model

Validation, disponible on line en
http://www.systemdynamics.org/conferences/2000/PDFs/barlas43.pdf, consultado
el 2 de mayo de 2011
MARQUEZ, Renny y RAMIREZ, Vicente. Un modelo de simulación de la

Producción de quesos madurados. Agroalim, jun. 2009, vol.15, no.28, p.107-
122. ISSN 1316-0354. Disponible en línea en:
http://www.scielo.org.ve/scielo.php?pid=S1316-
03542009000100010&script=sci_arttext
SOTAQUIRA, R, GELVEZ, L., (1996) "Una revisión crítica del Aprendizaje

organizacional Dinámica de Sistemas" En: Colombia. 1996. Evento: Coloquio
Latinoamericano sobre aplicaciones del Pensamiento Sistémico y la Investigación-
Acción Participativa Ponencia: Libro: Memorias del Coloquio Latinoamericano
sobre aplicaciones del Pensamiento Sistémico y la Investigación-Acción
Participativa, Universidad De Los Andes, p.1 - 10
UNIDAD 3: TOMA DE DECISIONES APOYADA CON SIMULACIÓN
Nombre de la Unidad Toma de decisiones apoyada con Simulación

Introducción La toma de decisiones es una de las principales tareas de
los administradores de las organizaciones. Una de las
principales dificultades radica en el manejo de la
incertidumbre. El modelado ofrece una estrategia que
reduce en parte la incertidumbre conduciendo a una
buena toma de decisiones.
Justificación En tanto que una acertada toma de decisiones conduce al
éxito en la gerencia de organizaciones, es claro que este
capítulo cobra capital importancia.
Intencionalidades Que se desarrolle la habilidad para la toma acertada de
Formativas decisiones.
Denominación de Capítulo 7: Toma De Decisiones
capítulos Capítulo 8: Caso de Estudio
Capítulo 9: Perspectivas De Uso De La Dinámica De
Sistemas
CAPÍTULO 7: TOMA DE DECISIONES
Introducción
Una decisión es una elección consciente y racional, orientada a conseguir un
objetivo, que se realiza entre diversas posibilidades de actuación o escenarios.
Antes de tomar una decisión se debe calcular mediante simulación cuál será el
resultado de escoger una alternativa. En función de las consecuencias previsibles
para cada alternativa, que pueden ser generadas a partir de la simulación, se
tomará una decisión. En este orden de ideas, los elementos que constituyen la
estructura de la decisión son: los objetivos de quién decide y las restricciones para
conseguirlos (modelado y simulación); las alternativas posibles y potenciales (los
escenarios de simulación y el análisis de sensibilidad); las consecuencias de cada
alternativa (los resultados de simular los escenarios); el escenario en el que se
toma la decisión y las preferencias de quien decide.
Es importante saber que las decisiones se presentan en todos los niveles de la

sociedad, sean de mayor o menor incidencia; pero estas implican una acción que
conlleva a un determinado fin u objetivo propuesto.
Es de gran utilidad conocer que procesos se deben aplicar y abarcar para tomar
decisiones efectivas. Es por ello que en este trabajo se realiza una investigación
basada en autores y textos que se refieren a la toma de decisiones y su utilización
como una herramienta de uso cotidiano en el estudio de las organizaciones y la
administración.
Para lograr una efectiva toma de decisiones se requiere de una selección racional,
para lo que primero se debe aclarar el objetivo que se quiere alcanzar; eso sí, se
deben tener en cuenta varias alternativas, evaluando cada una de sus ventajas,
limitaciones y adoptando la que se considere más apropiada para conseguir el
objetivo propuesto.
Lección 31: Introducción a la Toma de Decisiones32

En la acción de tomar decisiones está inmersa la una situación de incertidumbre
ya que no hay nada que garantice que las condiciones en las que se tome la
decisión sigan siendo las mismas, dado que se está en un medio en el que lo
único constante es el cambio.
Tomar una decisión es el primer paso para elegir un plan de acción; es por esto
que el trabajo central consiste en decidir: qué hacer, cómo delegar su realización a
quienes se considere más capacitados para ello, cómo justificar para qué debe
hacerse, cuándo debe hacerse y así lograr la optimización.
Existen diversas situaciones en las que se deben tomar decisiones; en lo que

sigue asumiremos como contexto, una empresa en la que puede darse tres tipos
de situaciones: las de certeza, incertidumbre y riesgo. Se explicará brevemente
cada una de ellas, en los siguientes apartes.
Decisiones en situación de certeza

Una situación de certeza es aquella en la que un sujeto tiene información completa
sobre una situación determinada, sobre cómo evolucionará y conoce el resultado
de su decisión. Ejemplo: decisiones sobre compras cuando se conoce la
demanda, de distribución de personal cuando se conoce el coste por persona y
operación, etc. La toma de decisiones en un marco de certeza no implica dificultad
alguna, más allá de las relacionadas con la gestión empresarial.
Decisiones en situación de incertidumbre

Una situación de incertidumbre es aquella en la que un sujeto toma la decisión sin
conocer toda la información y por ello existen varios resultados para cada
estrategia. Pueden ser decisiones no competitivas y competitivas.
Las decisiones no competitivas son aquellas en las que nadie se opone a la

estrategia del sujeto que decide. Por ejemplo: vendedores de periódicos (se quiere
conocer la cantidad a adquirir de acuerdo con las ventas). Para decidir existen una
serie de criterios de elección:
 Maximin, pesimista o Wald
 Maximax, optimista o Hurwicz
 Coeficiente de optimismo-pesimismo
 Razón suficiente o Laplace
 Mínimax, coste de oportunidad o Savage
32
Lección soportada en el texto de toma de decisiones disponible en línea en:
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.html
El criterio maximin supone maximizar el resultado mínimo, es decir el decisor

quiere asegurarse la elección mejor en caso que se dé la situación más
desfavorable. Es pesimista. Es útil en situaciones muy inciertas, si quieren evitarse
riesgos o si existe conflicto.
El criterio maximax consiste en maximizar el máximo; escoger el resultado máximo

entre los mejores de cada alternativa. El decisor es optimista.
El criterio del coeficiente de optimismo-pesimismo se sitúa entre los dos

anteriores. Se parte de un grado de optimismo y de pesimismo relacionados del
siguiente modo: Coeficiente de optimismo = p; coeficiente de pesimismo = (1-p) =
q; donde p + q = 1 y 0 < p < 1. Dentro de la misma alternativa o estrategia se
considera el resultado mayor de cada alternativa como p mientras que el resultado
menor será q. Se escoge el mayor tras ponderar los resultados esperados por los
coeficientes de optimismo y pesimismo.
El criterio del principio de razón suficiente espera que todas las situaciones de
futuro tengan la misma probabilidad de suceder. Ante esta situación se elige el
resultado medio más elevado.
El criterio minimax plantea elegir en función de lo que se dejará de ganar. Por

tanto, en primer lugar debe calcularse el máximo coste de oportunidad de
cualquier opción y, en segundo lugar, elegir el menor de ellos.
Las decisiones competitivas son aquellas en que por ejemplo una empresa se
enfrenta a un oponente que conoce sus estrategias y que escogerá aquella que
más le perjudique, por ejemplo: los duopolios (coca-cola y pepsi-cola) y los
oligopolios (fabricantes de coches). Estas decisiones se estudian en la teoría de
juegos. Esta teoría considera que en la toma de decisiones intervienen pocos
individuos, con información diferente y, generalmente incompleta, sobre los
resultados de las decisiones. Pueden darse dos situaciones genéricas:
 Conflicto puro en donde las ganancias de un “jugador” son pérdidas para el

otro (juego bipersonal de suma cero).
 Conflicto mixto y de cooperación en donde los que deciden pueden llegar a

acuerdos o colaborar para mejorar sus resultados aunque ambos se
arriesgarán en el juego. Se denomina juego cooperativo o de suma no cero.
Decisiones en situación de riesgo

En este tipo de situaciones se conoce la probabilidad de que ocurra cada
situación. Se trata de analizar beneficios y pérdidas ponderados por las
probabilidades de que sucedan.
Lección 32: La empresa como sistema

En la empresa, quienes la gestionan deben tomar decisiones estratégicas que
afectarán en el mediano y largo plazo a la organización.
Si se quiere dar cuenta del desempeño de los distintos subsistemas, en cuanto al

cumplimiento de los objetivos que se le asignaron, es que se elaboran informes
que exteriorizan la evolución de las principales variables involucradas. Este
“control de la gestión” permite analizar comportamientos no deseados y realizar
las correcciones necesarias para el cumplimiento de los objetivos fijados, es decir,
tomar decisiones.
Se dinamiza de esta manera proceso de realimentación en donde el sistema

incorpora el conocimiento de los resultados alcanzados durante un período
anterior, permitiéndole re-acomodar su comportamiento en el período siguiente.
Un mecanismo como el antes descrito hace perentorio que las unidades de tiempo
consumidas por dicho proceso de realimentación sean las menores posibles, es
decir, se requiere la información de retorno muy rápido para poder realizar
cambios en forma inmediata ante la presencia de comportamientos no deseados.
De lo antes expuesto resulta evidente que los controles de gestión, no solo son
necesarios sino que son imprescindibles, pues éstos se refieren a hechos
ocurridos, describen el pasado, la historia de la organización, lo que permitiría
encausarla.
Es posible que en una organización se tenga por costumbre que siempre que
ocurre un determinado comportamiento no deseado, visible en una variable del
sistema, se deba tomar una decisión para intentar corregir su evolución, pero
puede ser que los efectos de tal decisión, que podrán ser evaluados recién
después que transcurran algunas unidades de tiempo desde su ejecución, los
controles de gestión podrían mostrar, que a pesar de las medidas tomadas, se da
un mayor deterioro de la variable que se quiso reencauzar, es decir, se tendría un
comportamiento contra-intuitivo.
Una situación como la anteriormente descrita, puede indicar que los controles de
gestión, que se usan tradicionalmente para evaluar los efectos de una decisión,
teniendo como estrategia esperar a que el sistema reaccione y que transcurra
algún tiempo para percatarse de si tal decisión fue o no correcta, no parece ser lo
más apropiado.
Surge entonces la cuestión acerca de la suficiencia de los “controles de gestión”

en cuanto a herramienta sustentadora de decisiones que mantengan el
comportamiento del sistema en sintonía con un plan estratégico. Parece ser que
los órganos decisorios tienen que recurrir al procedimiento de “prueba y error”, es
decir, implementar una decisión, controlar sus efectos y corregir; hecho que no
resulta ser del todo deseable pues puede salir muy costoso.
Resulta pues muy alentador el hecho de poder contar con una herramienta que
permitiese corroborar hipótesis, comprobar los efectos de las decisiones antes de
que éstas sean implementadas. Una herramienta que contestase la pregunta :
¿qué pasaría si….?, bueno a estas alturas el lector deberá estar pensando en el
modelado y simulación.
La empresa como sistema social:

A estas alturas resulta incontrovertible que la empresa sea un sistema social,
puesto que se trata de uno de los ámbitos naturales de actuación del profesional
en cualquier área del conocimiento.
Los profesionales trabajan con personas, comunicaciones, expectativas,

conflictos, valores. Además, la empresa conforma un sistema, o sea que se trata
de una red de interrelaciones que se producen en su interior, y que dado el
particular comportamiento e interacción producido por sus elementos
componentes es posible de ser distinguida del entorno. El hecho de que el ámbito
de actuación sea un “sistema” y que dicho sistema sea “social” caracteriza de
manera determinante su análisis.
Lección 33: Modelo en prosa de caso de estudio

Con el propósito de mostrar la manera en que un modelo puede ser usado para la
toma de decisiones, por ejemplo, en una empresa, podría tomarse en
consideración un caso de estudio cuyo propósito sea el de introducir al lector en la
aplicación práctica de los conceptos de dinámica de sistemas para el desarrollo de
una acertada toma de decisiones en las organizaciones.
Desarrollo del caso:

El caso que se revisará en esta sección está orientado a analizar si la política de
una empresa, cuyas características se detallarán luego, resulta correcta para
mantener una situación de Caja y de Existencias equilibradas en un período de al
menos 6 ejercicios o periodos de tiempo regulares. Se entenderá por “situación
equilibrada” simplemente aquella en la que el inventario no estará vacío en ningún
momento para atender las ventas de un período y que la situación financiera no
será de común deficitaria.
La empresa en cuestión comercializa un producto que a su vez ésta adquiere en

el mercado. Las ventas son estimadas de acuerdo a un pronóstico, cuyos datos
concretos se encuentran en la tabla denominada Pronóstico de Ventas. El cobro
de los montos vendidos se realiza, el 50% al momento de hacer la venta y el 50%
restante se cobra a los 30 días de hecha la venta.
figura 61 Tabla pronóstico de ventas
Las unidades vendidas se reponen, es decir, se vuelven a comprar, existiendo en

esta operación una demora de tres períodos o intervalos de tiempo para su
concreción. Los pagos son al contado. La política de compras determina que se
comprará todo lo necesario para la reposición mientras exista saldo de caja
suficiente; de lo contrario se comprará lo que el saldo permita, con un mínimo de $
1.250, es decir, se comprará el máximo entre el saldo de caja y 1.250. En cada

período se deben afrontar costos fijos por $ 6.000.
Aquí se propone un primer escenario de simulación y se da como el punto de

partida:
 saldo inicial de caja de $ 50.000
 existencia actual de unidades para la venta: 10.000
 precio de costo por unidad: $ 7
 precio de venta por unidad: $10
La resolución de este caso busca demostrar la incapacidad de los modelos

mentales para dar cuenta de situaciones complejas, y muestra además cómo la
falta de una perspectiva sistémica, que contemple interrelaciones como
realimentación de información en el transcurso del tiempo, puede llevar al tomador
de decisiones a conclusiones equivocadas.
Lección 34: Modelo del caso
Diagrama de influencias
El gráfico que se muestra a continuación expresa las interrelaciones del sistema
mediante el denominado “diagrama de influencias”, de tal forma que le permite
“comprender” las relaciones y sus sentidos.
figura 62 Diagrama de influencias del caso de estudio
Del gráfico vale la pena destacar el ciclo de realimentación negativo que se

establece entre compras, egresos y caja. Esto significa que será una estructura
importante en la manera en que se comportará el modelo y tratará de mantenerlo
en equilibrio. No se reconocen más ciclos de realimentación pero se indican las
variables del sistema, sus relaciones y el sentido de las mismas.
Del diagrama de influencias se puede deducir que tanto el inventario como la caja
serán niveles, pues la caja se aumenta con los ingresos y disminuye con los
egresos, de igual manera el inventario se incrementa con las compras, pero
disminuye con las ventas. Las variables que directamente afectan los niveles son
flujos. Note señor lector que tanto los ingresos como los egresos se miden en
pesos, las unidades del nivel caja. De otra parte las compras y ventas se miden en
unidades almacenadas, que son las unidades del inventario.
En la siguiente lección se ilustra el diagrama de Forrester o de flujos y niveles y

seguidamente se mostrarán las ecuaciones del modelo.
Diagrama de Forrester
Revisando el diagrama de influencias, se identificaron los niveles y los flujos. Para
la elaboración del modelo y cumplir con los requerimientos o las características del
enunciado o modelo en prosa, se acudió a otras variables.
Se usó un retardo denominado REPOSICION, para recrear la situación aquella de

que se hace un pedido una vez se realiza una venta igual a la venta, pero éste se
demora tres meses en llegar. La ecuación de la variable REPOSICION es
RETARDO(VENTAS, 3, 3, VENTAS), es decir, un retardo de orden 3 y tiempo de
ajuste 3.
La variable PRONOSTICO_VENTA se representó mediante una variable exógena

con ecuación = INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850,
1500,1589,1678,1767,1856,1944,2033,2122,2211,2300,2167,2033,1900), según
la figura 61.
figura 63 Diagrama de Forrester del caso de estudio
Dado que el pago se recibe en dos contados, se usó la variable valor anterior para
operacionalizar esta situación, mediante la variable VENTA_ANTERIOR, que
guarda por una unidad de tiempo la cantidad vendida.
Se utilizó una variable auxiliar POSIBLE_COMPRAR para calcular los productos

que se podrían comprar sobre la restricción de los 1250 pesos, la cantidad de
dinero y el costo por unidad. Su ecuación es (CAJA-COSTO_FIJO-
MINIMO_CAJA)/COSTO_UNITARIO.
Los demás son parámetros que consideran los valores del escenario.
Ecuaciones del modelo
Nombre = CAJA :Nivel_

Definición = 50000
Descripción = Cantidad de dinero disponible en la caja.
u: pesos
Nombre = COMPRAS :Flujo_

Definición =
IF(POSIBLE_COMPRAR>2500,MIN(REPOSICON,POSIBLE_COMPRAR),0)
Descripción =
Nombre = COSTO_FIJO :Parametro_

Definición = 6200
Descripción = Costos operativos o fijos.
u: pesos.
Nombre = COSTO_UNITARIO :Parametro_

Definición = 7
Descripción = Precio por unidad.
u: pesos
Nombre = EGRESOS :Flujo_

Definición =
IF(CAJA>(COSTO_FIJO+(COMPRAS*COSTO_UNITARIO)),COSTO_FIJO+(COM
PRAS*COSTO_UNITARIO),CAJA)
Descripción = Salida de dinaeo.
u: pesos/periodo
Nombre = INGRESOS :Flujo_

Definición = PRECIO_VENTA*(VENTAS/2+VENTA_ANTERIOR/2)
Descripción =
Nombre = INVENTARIO :Nivel_

Definición = 10000
Descripción = Inventario.
u: unidad
Nombre = MINIMO_CAJA :Parametro_

Definición = 1250
Descripción =
Nombre = POSIBLE_COMPRAR :Auxiliar_

Definición = (CAJA-COSTO_FIJO-MINIMO_CAJA)/COSTO_UNITARIO
Descripción =
Nombre = PRECIO_VENTA :Parametro_

Definición = 10
Descripción = Pecio de venta.
u: pesos
Nombre = PRONOSTICO_VENTA :Exogena_

Definición =
INTLINEAL(0,0,6,1000,1300,2500,2250,2000,2100,2200,1850,1500,1589,1678,17
67,1856,1944,2033,2122,2211,2300,2167,2033,1900)
Descripción =
Nombre = REPOSICON :Retardo_

Definición = RETARDO(VENTAS, 3, 3, VENTAS)
Descripción =
Nombre = VENTAS :Flujo_

Definición =
IF(INVENTARIO>0,IF(INVENTARIO>PRONOSTICO_VENTA,PRONOSTICO_VE
NTA,INVENTARIO),0)
Descripción =
Nombre = VENTA_ANTERIOR :Anterior_

Definición = 0
Descripción =
Lección 35: Simulaciones y toma de decisiones

Esta lección muestra el diseño de un escenario, el análisis de sensibilidad y la
toma de decisiones a partir de la experimentación simulada.
Diseño de escenario
Puede ser de interés para el dueño de la empresa averiguar qué efecto tiene
sobre los inventarios y sobre la caja el hecho de que gradualmente los costos fijos
varíen.
Para ello se propone analizar cuál sería el comportamiento de los inventarios y la

caja si se incrementa sistemáticamente en 50 unidades los costos fijos.
Para ello se debe diseñar un escenario en el que se cambia los valores asociados
al parámetro, costos fijos, y luego se debe observar que sucede tanto con los
inventarios como con la caja.
Se propone el siguiente escenario, teniendo en consideración el interés que se ha

manifestado.
figura 64 Escenario de simulación
Nótese que en el escenario se tiene los valores iniciales de los niveles Inventario y
Caja, los cuáles están Ceteris Paribus con respecto de los costos fijos que
variaran en 50 unidades para cada experimento.
Experimentación Simulada.
Se recuerda al señor lector que la experimentación simulada es un proceso
"diseñado" que debe de cierta manera superar algunas de las ineficiencias de su
contraparte "natural", es decir, la organización y de este modo permite hacer más
eficiente el aprendizaje en la organización y la consecuente toma de decisiones
con un menor nivel de incertidumbre.
Para realizar la experimentación simulada es preciso acudir a una herramienta

informática que ayude con esa tarea. Una de estas herramientas es Evolucion 4.1,
hay muchas más en el mercado, en este caso se está usando la herramienta
antes señalada por ser de uso libre para propósitos académicos y por ser una obra
de la ingeniería de sistemas colombiana.
A partir del escenario se procede a hacer un análisis de sensibilidad por

escenarios para observar que sucede.
figura 65 Datos de la Simulación Experimentada

Si se observa en la figura 65, se encuentra allí que se debe seleccionar “nuevo
análisis de sensibilidad con variación de parámetros”, ver círculo rojo de la parte
superior de la figura. Luego se da clic en “definir trayectorias” y aparece la ventana
de diálogo que está señalada con cuadros verdes. La elipse muestra el parámetro
que se va a variar, es este caso es el parámetro “costo fijo”, nótese que se
escoge una variación de 50 y que se observará su efecto sobre el nivel inventario,
la que corresponde al campo, “variable seleccionada”. Finalmente se escoge el
número de iteraciones, es decir, cuantos cambios se hará en el parámetro, en este
caso se cambiará tres veces y habrá cuatro simulaciones. Veamos.
figura 66 Resultados de la Simulación Experimenta
De la gráfica es posible resaltar que si los costos fijos son 6200 o 6250 no hay
mucha diferencia en el comportamiento del inventario.
Ahora, cuando el costo fijo pasa de 6300 a 6350 se nota una reacción del sistema
en el sentido de llegar a niveles de inventario igual a 0. Esto es naturalmente
contraproducente para los intereses de la organización, porque la función principal
del negocio es la venta del producto.
En este caso, la gerencia de la empresa debería tomar decisiones que no afecten

los costos fijos, pues si lo hace correría con el peligro de desestabilizar el sistema,
tal como lo permite inducir la gráfica de color verde.
CAPÍTULO 8: CASO DE ESTUDIO
Introducción
Desde principios del siglo pasado, distintas ciencias llegaron a la conclusión de
que era necesario estudiar como una totalidad tanto los fenómenos naturales
como los sociales, debido básicamente a su complejidad y dinamicidad la cual se
debe a los entramados de relaciones internas y la relación de éstas con el medio.
En tiempos anteriores al surgimiento de este paradigma, la preocupación de las
ciencias se había centrado en una concepción reduccionista de los fenómenos
estudiados.
Ludwing von Bertalanffy, publicó, en 1968, el libro Teoría General de Sistemas,

considerado como la génesis del enfoque sistémico. Este enfoque generó un
amplio interés. La ecología fue de las primeras que lo incorporó masivamente,
para explicar fenómenos dinámicos como, por ejemplo, la competencia entre
especies animales y vegetales y las interrelaciones entre factores físico-químicos y
biológicos en lagos, ríos y otros tipos de sistemas ecológicos. El enfoque fue
incorporado a las ciencias y tecnologías aplicadas al desarrollo de la computación,
al punto de llegar a generar una nueva disciplina denominada la Ingeniería de
Sistemas.
Es en la década de los 60´s y 70´s, que el enfoque ganó incrementalmente

partidarios entre las ciencias silvo-agropecuarias, desarrollándose en Asia las
primeras aplicaciones realmente importantes. De allí se ha extendido a todo el
mundo, destacándose su uso en África, Europa, y en el continente americano.
Varios de los centros de investigación más importantes a nivel mundial, han
adoptado esta metodología. En Colombia se conocen los trabajos de Absalón
Machado33, de la Universidad Nacional, sobre todo en torno a los sistemas de
producción agroalimentarios, quien es, de los economistas latinoamericanos, uno
de los pioneros en la incorporación de la TGS en sus planteamientos teóricos.
Este capítulo muestra como la dinámica de sistemas, cuyo padre es el

pensamiento sistémico, aporta para el entendimiento y la gestión de los sistemas
agro-industriales y dentro de ellos, específicamente la cadena productiva del
tabaco.
33
Absalón Machado C. y Jorge Torres O, El sistema agroalimentario. una visión integral de la cuestión agraria en América
Latina, 1. ed. 1987, CEGA, Siglo Veintiuno Editores, Bogotá, D.E., Colombia.
Lección 36: Los sistemas agroindustriales

Muchos de los fenómenos que cotidianamente son percibidos se ajustan a la idea
de que “el todo es más que la suma de las partes”. Así, por ejemplo, una
limonada, tiene características como el sabor que no se encuentran en ninguna
de las partes de ese refresco; básicamente porque los componentes se relacionan
entre sí, dando origen a características emergentes no explicables por la mera
suma algebraica de los componentes, es decir, no se obtiene la sensación de
haber tomado limonada si por ejemplo alguien consume una taza de azúcar, luego
dos cucharadas de jugo de limón y finalmente dos vasos de agua helada, o en
cualquiera de sus seis posibles combinaciones.
Hay numerosos ejemplos en los que se evidencia como el entramado de

relaciones entre los componentes del sistema determinan comportamientos a
veces inesperados, verbigracia, se sabe que una intervención, como represar un
río o invadir un país vecino con propósitos antiterroristas, puede dar origen a una
'reacción en cadena' que terminará afectando en el primer caso a una enorme
cantidad de especies animales y vegetales, etc., y en el segundo caso a la
población de un país entero, por las medidas de reacción del país ofendido. Que
una acción pueda llegar a tener tan amplias consecuencias, indica que en esa
zona hay numerosos fenómenos y componentes que se encuentran muy
vinculados entre sí, a veces a través de reacciones que no se alcanzan a percibir.
Esto es síntoma de estar frente a un fenómeno que puede ser percibido como si
fuera un sistema.
Para los propósitos de este módulo se acepta que un sistema es básicamente una
buena idea que permite ver los fenómenos como un conjunto de elementos en
interacción mutua y que tienen un fin o propósito común (diagrama de influencias);
en el que se identifican propiedades como sinergia, recursividad, organización y
jerarquía, básicamente.
Considerando lo expuesto anteriormente puede definirse el sistema de producción

como un sistema de actividades humanas que un grupo (por ejemplo, la familia
campesina) organiza, dirige y realiza, de acuerdo a sus objetivos, cultura y
recursos, utilizando prácticas en respuesta al medio ambiente físico. Por tanto
para conocer un sistema de producción, se debe partir de la observación de sus
elementos constitutivos, las actividades allí realizadas, los medios y recursos con
que cuenta, las cantidades y características de las personas que en él viven o
trabajan, las propiedades del suelo o clima, etc. Ver la figura 67.
Ahora bien, como una de las características principales de todo fenómeno

concebido como sistema es la organización y aceptándose que además se tienen
relaciones entre los elementos, se debería entender las propiedades o
proporciones en que estos componentes están presentes; el rol o función que
cada uno cumple y las interacciones que suceden entre los componentes. Por
ejemplo, ¿cómo se distribuye la mano de obra entre los diferentes rubros y
actividades del predio?; ¿cómo se distribuyen los ingresos entre consumo,
producción y ahorro?; ¿cómo la producción de un rubro contribuye a la generación

de productos para el autoconsumo y para la venta?, etc.
figura 67 Sistema Agropecuario34
Para completar la descripción del sistema de producción ha de ser necesario dar

cuenta de la complejidad dinámica del sistema de producción, es decir, ser
capaces de describir su comportamiento a través del tiempo. Por ejemplo, poder
dar respuesta a este tipo de preguntas. ¿Cómo se distribuye la mano de obra a
través del año?; ¿Cuáles son los meses de mayor actividad y cuáles los de mayor
escasez?
Pareciera que la descripción de un sistema de producción demanda ingentes

esfuerzos intelectuales, pero no lo es tanto. El modelado y simulación de dichos
sistemas permitirán ganar en comprensión del mismo, en ese sentido es en que se
propone el uso del modelado y simulación en este escrito.
34
Adaptado de http://scielo.sld.cu/img/revistas/pyf/v31n4/f0105408.gif
Lección 37: Visión sistémica de las cadenas productivas

Esta parte del texto se dedica a hacer una exposición del concepto de cadena
productiva desde diferentes perspectivas pero buscando básicamente aterrizar en
una perspectiva sistémica de las mismas. Se toma como punto de referencia
artículos que irán siendo referenciados a medida que sea preciso hacerlo.
Bases conceptuales
Según rastreo bibliográfico realizado por Isaza (2005) es posible encontrar en dos
autores importantes como Hirschman y Porter gran parte de los elementos
teórico-conceptuales que dan posibilidad de existencia al concepto actual de
cadena productiva. El primero de ellos en su trabajo sobre el desarrollo económico
explica que el éxito en la generación de riqueza en las organizaciones se debía
especialmente a la existencia de “encadenamientos” de cooperación, fenómeno
presente principalmente en las economías industrializadas del primer mundo. Un
tiempo después, Porter advierte que la articulación eficiente de las empresas
alrededor de una “cadena de valor” que va desde los proveedores de materias
primas e insumos y que termina con los servicios al cliente, son los elementos que
dan cuenta de la generación de ventajas competitivas y por tanto de una mayor
generación de riqueza. Es en la década de los noventas en que estos conceptos
articulados a las nociones de desarrollo regional originan la noción de cadena
productiva en Latinoamérica.
En este orden de ideas es que Isaza (2005) propone ubicar el origen del concepto
de cadena productiva en la escuela de la planeación estratégica. Según esta
escuela, la competitividad de una empresa se explica no solo a partir de sus
características internas a nivel organizacional o micro, sino que también está
determinada por factores externos asociados a su entorno. En tal sentido, las
relaciones con proveedores, el Estado, los clientes y los distribuidores, entre otros,
generan estímulos y permiten sinergias que facilitan la creación de ventajas
competitivas.
En consecuencia la cadena productiva puede definirse como “un conjunto de

eslabones vinculados entre sí por relaciones de tipo proveedor-cliente-proveedor.
Vista en su conjunto, una cadena productiva comprende desde los bienes
primarios, su transformación en bienes intermedios, otros bienes intermedios
originados en una cadena productiva diferente, hasta los bienes finales”. Para
Isaza (2005) la cadena productiva puede ser caracterizada como un conjunto de
unidades económicas integradas alrededor de la producción de un bien o servicio
y que van desde los productores de materias primas hasta el consumidor final.
Resumiendo lo dicho, es factible afirmar que las cadenas productivas se

subdividen en eslabones, los cuales comprenden conjuntos de unidades
económicas con funciones específicas dentro del proceso productivo. Según el
documento del DNP citado previamente, un ejemplo de cadena productiva lo
constituye la Cadena de Textiles-confecciones que incluye desde la producción de
algodón, su procesamiento, la fabricación de hilados y tejidos, y por último la

confección de prendas de vestir que representan el eslabón final de la cadena.
Cada una de las etapas de transformación del producto puede ser vista como un
eslabón en la cadena productiva y en cada uno de éstos se expresan los
determinantes del desempeño de toda la cadena. Se invita al lector para que
revise la figura 68.
figura 68 Cadena productiva Cadena de Textiles-confecciones35
De la figura 68 es claro que aparecen allí los elementos identificados en la

definición propuesta por el DNP, pero no se identifican elementos importantes
como la información y el dinero que fluye en ambos sentidos y que cierran los
ciclos de realimentación que es en gran parte lo que determina que una cadena
productiva puede ser vista y estudiada como si ésta fuera un sistema. Lo antes
expuesto es coherente con los planteamientos de Hirschman, citados por Isaza
(2005), relacionados específicamente con la idea de la presencia de
encadenamientos hacia adelante y hacia atrás. Los encadenamientos hacia atrás
están representados por las decisiones de inversión y cooperación orientadas a
fortalecer la producción de materias primas y bienes de capital necesarios para la
elaboración de productos terminados y los encadenamientos hacia adelante
promueven, por parte de los empresarios, la creación y diversificación de nuevos
mercados para la comercialización de los productos existentes.
35
Tomado y adaptado de: http://www.agroancash.gob.pe/public/dpa/temas/pag_05.html
Lección 38: Descripción de la Cadena Productiva del Tabaco

Para la descripción de la cadena productiva del tabaco se toma en cuenta la
presentación que de la misma se hace en el texto del Departamento Nacional de
Planeación (DNP). En dicho documento se indica que la cadena productiva del
tabaco comprende desde el cultivo de la hoja de tabaco hasta la fabricación de
cigarrillos y otros productos como los aromas y esencias de tabaco. Como en el
resto del mundo, en Colombia esta actividad se caracteriza por un alto nivel de
concentración y además un nivel de integración vertical importante. Dos empresas
dominan el mercado de cigarrillos que se estima en 20 mil millones de unidades al
año. Se trata de Coltabaco, considerado líder del mercado, y Protabaco. Estas
empresas controlan la actividad desde la extracción primaria de la hoja hasta la
fabricación de los cigarrillos.
figura 69 Cadena productiva del tabaco36
El proceso productivo para la obtención de los cigarrillos se puede describir en tres

etapas: producción primaria, primera industrialización y obtención de los cigarrillos.
La producción primaria de la hoja de tabaco se realiza principalmente en regiones

tropicales, con climas cálidos y húmedos (18 a 28°C), y comprende los siguientes
pasos:
• Preparación del suelo, siembra, transplante y desflore, desbrote, cosecha,

primer curado y preclasificación en fardos de 20 a 50 kgs.
• El primer curado tiene por objeto preservar las hojas de tabaco al generar,
vía calor, condiciones organolépticas adecuadas para conservar la calidad
potencial de la hoja.
36
Tomado de “Tabaco”, material del DNP, disponible en línea en:
http://www.dnp.gov.co/PortalWeb/Portals/0/archivos/documentos/DDE/Tabaco.pdf
Este proceso consiste en secar las hojas naturalmente (por exposición al sol o
suspendiendo la cosecha en lugares muy aireados) o de manera artificial, en
cámaras por las cuales circula aire caliente. El tabaco que recibe este tratamiento
se denomina Virginia. En figura 5, esta etapa corresponde al eslabón de hoja de
tabaco.
En la primera etapa de industrialización, se limpia la hoja, se reclasifica, se

despalilla o desnerva (proceso que consiste en separar el palo o nervadura de la
hoja) y por último se vuelve a secar. El secado es un proceso crítico para la
calidad del tabaco. En el diagrama del proceso productivo se identifica esta etapa
de producción como el eslabón de hoja de tabaco desvenada y preparada.
En la segunda parte de la industrialización del tabaco, se utilizan los procesos de

humidificación en caliente, a temperaturas decrecientes; torrefacción del tabaco y
en algunos casos des-nicotización. Una vez se estabiliza la temperatura el
producto se somete a aromatización. Del proceso de aromatización, quedan
algunos subproductos como el rapé, los extractos y las esencias, cuya
comercialización es marginal.
Lección 39: El diagrama de influencias y diagrama de Forrester de la cadena

productiva del tabaco
Como se ha visto en lecciones previas, el diagrama de influencias considera, para
este caso, los elementos constituyentes de la cadena que se han descrito en la
anterior lección.
figura 70 Diagrama de influencias de la Cadena productiva del tabaco37
Este diagrama inicia con la siembra del tabaco, ver figura 70, la cual luego de un
tiempo se convertirá en tabaco o más exactamente plantas de tabaco. A medida
que aumenta la cantidad de plantas de tabaco, aumenta la producción de hojas de
tabaco y en consecuencia la recolección también aumentará. Una vez se recolecta
el tabaco, éste se somete a un proceso de secado y de ahí va al procesamiento
para producir picadura, o pasa al proceso de aromatización para luego convertir la
hoja de tabaco en cigarrillos o puros. Tanto la picadura, como los puros y
cigarrillos son vendidos, esta venta se compara con la demanda y generará la
demanda insatisfecha que a su vez generará una nueva siembra. Este es el ciclo
completo del tabaco, en él aparece como agente dinamizador la población y sobre
todo la dinámica de ésta, pues si la población aumenta, aumentará también la
demanda y por tanto habrá un efecto sobre la demanda insatisfecha, aquí se
acopla al ciclo de producción, el efecto poblacional.
Lo que sigue es el diseño del diagrama de Forrester, para lo cual es útil

preguntarse cuál de las variables se acumulan a través del tiempo y acto seguido,
que otras variables son las responsables de dicho cambio. El diagrama de
influencias es la principal guía en este caso.
37
Tomado de “Tabaco”, material del DNP, disponible en línea en:
Ante la pregunta de qué cosas se acumulan, puede responderse que lo hacen: la

población, las plantas de tabaco, el tabaco en proceso de secado, la picadura, el
tabaco aromatizado y tanto los cigarrillos como los puros.
Al responder que causa dichas acumulaciones se encuentra que lo que

incrementa la población es, de forma general, un incremento de la población y
éste a su vez es determinado por la tasa de variación poblacional y la población.
Es importante señalar que al tomar como ejemplo la población colombiana la tasa
de variación poblacional cambia por lo que se usa una variable exógena para
representarla (tvp). La cantidad de población determina a su vez la demanda de
tabaco (DmTabaco) que es determinado por el consumo percápita
(ConsumoPercapita). Se asume la población fumadora como mayor de 15 años.
figura 71 La población y la demanda de tabaco
La siguiente variable que se acumula están las plantas de tabaco, en este caso se
incrementa su número gracias a la siembra y disminuyen gracias a la cosecha.
figura 72 La siembra de tabaco

Naturalmente hay un tiempo de retardo (tct) entre la siembra y la cosecha; para los
propósitos de este modelo, se asume un tiempo promedio, pues se sabe que las
hojas de la parte inferior de la planta se cosechan primero y las hojas de la parte
superior se cosechan de último. Se debe reconocer que la siembra dependerá
básicamente de la demanda insatisfecha, es decir, de la relación que hay entre las
ventas y la demanda de tabaco en general.
Una vez se recolecta el tabaco este se acumula en un proceso de secado, una vez
seco el tabaco una parte se almacena para el proceso de picadura y otro pasa al
proceso de aromatización, produciendo luego cigarrillos y puros, los cuales al
venderse junto a la picadura determina las ventas. Revisar la figura 73.
figura 73 Diagrama de Forrester del primer prototipo de la cadena productiva

del tabaco
Se invita al lector para que haga una lectura del diagrama e identifique allí los
flujos que alteran los niveles y así mismo las variables auxiliares, retardos y
parámetros que determinan los flujos.
Se invita al lector que proponga una estrategia para la validación del anterior
modelo teniendo en cuenta la lección 3 del capítulo 6 de este módulo.
Lección 40: Experimentación simulada, la cadena productiva del tabaco.

Se propone al estudiante que asuma tres escenarios que se llamarán: el optimista,
el pesimista y el normal en la demanda del tabaco. Luego realice la simulación del
modelo y determine las conclusiones a las que se llega luego de este proceso.
Las siguientes son las ecuaciones del modelo.
Nombre = Aromatizado :Nivel_

Definición = 1260000
Descripción =
Nombre = Cigarrillos :Nivel_

Descripción =
Nombre = ConsumoPercapita :Exogena_

Definición = INTLINEAL(2,1970,5,2.613,2.7,2.561,2.27,1.884,1.582,1.408)
Descripción =
Nombre = Cosecha :Flujo_

Definición = min(tct,PlantasTabaco)
Descripción =
Nombre = DI :Auxiliar_
Definición = IF(VENTAS>DmTabaco,0,DmTabaco-VENTAS)
Descripción = Demanda expresada en unidades de cigarrillos
Nombre = DmTabaco :Auxiliar_

Definición = (1-PobMenorDe15)*POBLACION*(ConsumoPercapita/12)
Descripción = Demanda en Kilos de tabaco
Nombre = GramosPorPlanta :Parametro_

Definición = 0.085
Descripción = Gramos por planta
Nombre = IP :Flujo_
Definición = POBLACION*(tvp/12)
Descripción =
Nombre = KiloPorPlanta :Parametro_

Definición = 0.085
Descripción =
Nombre = POBLACION :Nivel_

Descripción = Población iniciando 1970 en colombia.
Nombre = Picadura :Nivel_

Descripción =
Nombre = PlantasTabaco :Nivel_

Descripción =
Nombre = PobMenorDe15 :Parametro_

Definición = 0.33
Descripción =
Nombre = PorDemCigarrillo :Parametro_

Definición = 0.7
Descripción =
Nombre = PorDemPica :Parametro_

Definición = 0.1
Descripción =
Nombre = PorDemTabaco :Parametro_

Definición = 0.2
Descripción =
Nombre = PorcentajePicadu :Parametro_

Definición = 0.2
Descripción =
Nombre = ProcCiga :Parametro_

Definición = 0.8
Descripción =
Nombre = Procesamiento :Flujo_

Definición = Secado*PorcentajePicadu
Descripción =
Nombre = Proceso :Flujo_

Definición = Secado*(1-PorcentajePicadu)
Descripción =
Nombre = ProdCiga :Flujo_

Definición = Aromatizado*ProcCiga
Descripción =
Nombre = ProdTab :Flujo_

Definición = Aromatizado*(1-ProcCiga)
Descripción =
Nombre = Puros :Nivel_

Descripción =
Nombre = Secado :Nivel_

Descripción =
Nombre = Siembra :Flujo_

Definición = DI/GramosPorPlanta
Descripción =
Nombre = TabacoparaSecado :Flujo_

Definición = Cosecha*KiloPorPlanta
Descripción =
Nombre = VENTAS :Auxiliar_

Definición = VentaPicadura+VentaCiga+VentaTaba
Descripción =
Nombre = VentaCiga :Flujo_

Definición =
IF(DmTabaco*PorDemCigarrillo>Cigarrillos,Cigarrillos,DmTabaco*PorDemCigarrill
o)
Descripción =
Nombre = VentaPicadura :Flujo_

Definición =
IF(DmTabaco*PorDemPica>Picadura,Picadura,DmTabaco*PorDemPica)
Descripción =
Nombre = VentaTaba :Flujo_

Definición =
IF(DmTabaco*PorDemTabaco>Puros,Puros,DmTabaco*PorDemTabaco)
Descripción =
Nombre = tct :Retardo_

Definición = RETARDO(Siembra, 3, 2, Siembra)
Descripción =
Nombre = tvp :Exogena_

Definición =
INTSPLINE(2,0,66,0.0276,0.0237,0.0226,0.0210,0.0204,0.017,0.0135,0.0123,0.01
18)
Descripción =
CAPÍTULO 9: PERSPECTIVAS DE USO DE LA DINÁMICA DE SISTEMAS
Introducción
En este capítulo se presentan algunas opciones para la implementación del
modelado dinámico sistémico.
Se destaca que hay propuestas que van desde el campo de la salud, pasando por
la economía, la pedagogía, la ingeniería etc.
Es importante que el lector perciba lo multifacético de la dinámica de sistemas en

tanto es capaz de dar cuenta de diversos fenómenos.
Lección 41: Modelado en Ingeniería de Petróleos

En la formación de los ingenieros en Colombia, específicamente en lo que se
denomina “el ciclo básico” o los primeros dos años de formación, la gran mayoría
de las asignaturas corresponden a exposiciones teóricas de modelos matemáticos
que por lo general son realizadas por parte del docente. Posteriormente el
estudiante deberá memorizarlos y ganar experticia en su manipulación para
entonces hallar soluciones a problemas planteados por el docente. Como
resultado de esta actividad quedan dudas si efectivamente el estudiante estaría en
capacidad de dar cuenta del fenómeno estudiado o si solo está capacitado para
manipular eficazmente tales modelos.
Autores del área de dinámica de sistemas plantean ciertas ideas que permiten
apoyar la anterior hipótesis, entre ellos Radzicki38 et al (2002) quienes proponen
algunos argumentos para que los estudiantes de ingeniería aprendan dinámica de
sistemas; estos son:
 podrían ver la naturaleza genérica de los flujos y niveles y las estructuras
de realimentación.
 tendrían una herramienta interdisciplinaria que puede ser usada para hallar
soluciones a los sistemas dinámicos que son generalmente percibidos
como estáticos.
 desarrollarían habilidades para resolver e integrar problemas
multidisciplinarios.
 Aprenderían, vía procesos experimentales, desarrollando competencias
esenciales y procesos de aprendizaje centrado en el aprendiz.
 les aportaría una herramienta para estudiar la interacción entre tecnología y
sociedad.
Es en este contexto se desarrolló un trabajo con dinámica de sistemas que buscó

medir qué tanto influye, en la capacidad de comprender un fenómeno, el que un
estudiante trabaje con micromundos realizando experimentos guiados por el
docente.
Producción De Pozos Petroleros

En el ámbito de la ingeniería de petróleos y en especial el ingeniero de producción
debe desarrollar las competencias que le permitan hacer producir los pozos de
aceite y para ello se requiere que comprenda los principios que rigen tanto el
movimiento del aceite como el del gas y el agua desde la formación hasta el
cabezal del pozo. Según Nind39 (1987), las principales fases que dan cuenta del
comportamiento del pozo, son las pérdidas de presión en un flujo vertical bifásico,
38
RADZICKI M et al, Why Every Engineering Student Should Study System Dynamics, en 32nd ASEE/IEEE Frontiers in
Education Conference, (2002). IEEE November 6 - 9, 2002, Boston, MA.
39
NIND, T.E.W. , (1987) Fundamentos de producción y mantenimiento de pozos petroleros, México, Limusa.
el comportamiento de la relación gas-aceite y los problemas de bombeo de los

pozos profundos que definen los índices de productividad. Así mismo indica que
el ingeniero ha de tener las competencias que le permitan hacer uso del arsenal
teórico pero con plena conciencia de lo que está haciendo. También hace notar
que un pozo productor de aceite o petróleo es solo una parte de un sistema
complejo el cual comprende el yacimiento, los pozos mismos y las instalaciones
superficiales.
Pensamiento Sistémico y Dinámica de sistemas

El pensamiento sistémico aporta elementos conceptuales que permiten ver el
mundo como si éste fuera un sistema. La trampa que debe evitarse a toda costa
es la de creer que los sistemas tienen existencia física, debe quedar claro que un
sistema es una idea que se percibe al observar conjuntos de partes que están
interrelacionadas y que en conjunto tienen un fin o propósito y además dichas
partes están regidas por relaciones de jerarquía.
De otra parte y emparentada con el pensamiento sistémico emerge en los años

cincuenta la dinámica de sistemas, creada por el profesor J. W. Forrester del MIT,
como una forma de modelado que permite representar la dinámica propia de un
fenómeno a partir de la definición de la estructura que a éste le subyace. En este
trabajo la dinámica de sistemas se concibe como una unidad paradigma-lenguaje,
pues a medida que se representa un fenómeno se va adquiriendo mayor destreza
para identificar los elementos, las relaciones y los bucles de realimentación. Los
modelos construidos con dinámica de sistemas utilizan los cinco lenguajes de
formalización descritos ampliamente por Andrade40 et al (2001).
Del trabajo con los estudiantes de ingeniería de petróleos se concluyó:
Un acercamiento al pensamiento dinámico sistémico, como el realizado por los

estudiantes de sistemas de producción de pozos petroleros, mejora su habilidad
para la comprensión de fenómenos físicos.
El uso de micromundos, con modelos de simulación dinámica contribuye para

mejorar la percepción de los fenómenos físicos, como la variación de la presión en
un pozo petrolero y la declinación de la producción.
La descripción de los procesos de aprendizaje de la dinámica de sistemas

contribuye para mejora las habilidades dinámico-sistémicas de los estudiantes en
la medida que mejora la percepción de las acumulaciones y las razones de
cambio. Cuando se parte de la simulación manual, en un proceso de modelado, se
obtienen mejores resultados, cuando se está en el proceso de aprender dinámica
de sistemas.
40
ANDRADE, H et al. (2001). Pensamiento Sistémico: Diversidad en Búsqueda de Unidad. Primera Edición, Bucaramanga:
Ediciones UIS.
Lección 42: Modelado en Economía
El Aprendizaje De La Economía
La falta de conciencia de las dificultades que presenta la ciencia económica
aunada a un proceso educativo inadecuado, no promueve en los estudiantes de
economía aptitudes que permitan superar la crisis mundial. Un ejemplo de ello se
encuentra en la mayoría de facultades de economía del país las cátedras de teoría
económica, que deberían ser las bases para la conformación de una visión
particular de los procesos económicos, se convierte en una exposición por parte
del profesor y el estudiante tiende únicamente a almacenar información, sin
procesarla ni relacionarla y sin llegar a construir un modelo mental de lo que
recibió. En otros casos, se deja al estudiante la lectura de las obras cumbre de los
economistas más importantes y se le solicita que escriba un ensayo; dicho ensayo
termina siendo en el mejor de los casos un resumen de la bibliografía consultada,
sin relacionar los conceptos leídos ni con la situación actual ni con sus
preconceptos. Esta falta de apropiación impide a los estudiantes estudiar con
cierta profundidad los problemas y fenómenos económicos del país.
Micromundos De Experimentación Como Alternativa Para El Aprendizaje De

Teorías Económicas
En general, el hombre manifiesta reiteradamente la necesidad de realizar
representaciones que le permitan explicarse los fenómenos que observa. En este
sentido, los economistas no son la excepción, estando llamados a la construcción
de representaciones que, por un lado les facilite la explicación de los fenómenos
económicos y por otro, les permita formalizar e integrar un cuerpo de
conocimiento que agrupe diferentes teorías o cree unas nuevas. Estas
representaciones, denominadas modelos, han utilizado la matemática como medio
de expresión por excelencia, como se puede observar en la mayoría de las
ciencias básicas, como la física y la química, de tal manera que a cada fenómeno
(por ejemplo: el movimiento, las reacciones químicas, etc.) se asocia una
expresión que permite cuantificarlo y explicarlo.
La alternativa de modelamiento económico que más comúnmente se utiliza en la

actualidad recibe el nombre de Econometría. Los modelos matemáticos que ofrece
la Econometría corresponden a complicados sistemas de ecuaciones, que no
ofrecen mayor descripción de la conformación del fenómeno, y cuya solución
requiere de un avanzado y riguroso ejercicio matemático y estadístico.
Lo anterior hace necesaria la introducción de otro de tipo de herramientas con las

que, además de facilitar el proceso de representación matemática y su solución,
se obtenga un medio para adquirir un mayor grado de comprensión de la
naturaleza de los fenómenos económicos. Como una alternativa frente al
enfoque funcional de la Econometría se presenta el enfoque sistémico-estructural,
y para desarrollarlo la Dinámica de Sistemas se introduce como un lenguaje
Dinámico-Sistémico y estructural que además se constituye en un útil que facilita

el uso de los poderosos recursos de la tecnología de la computación, expresados
en la simulación.
¿Pero, cómo introducir la Dinámica de Sistemas en la Economía? Una estrategia

es incentivar a la comunidad educativa para la utilización de herramientas
informáticas como Micromundos de Experimentación que promuevan el
modelamiento y simulación utilizando Dinámica de Sistemas.
Estos Micromundos de Experimentación constituyen ambientes en los cuales se

pone a disposición del estudiante diferentes niveles de representación del
fenómeno, que permiten ir abordando progresivamente mayor complejidad en las
descripciones y en los modelos que se realicen. Uno de los objetivos es proveer a
los estudiantes de Economía de Laboratorios en los cuales mediante la
experimentación y la reflexión constante se induzcan procesos de pensamiento
dinámico-sistémicos; todo lo anterior se enmarca en una concepción
constructivista del aprendizaje con el profesor como guía y orientador.
Lección 43: Modelado en la Salud

En los países en desarrollo, la mortalidad provocada por las enfermedades
cardiovasculares ha aumentado en la última década, causando más muertes que
cualquiera de las enfermedades infecciosas41. Esta situación ha generado gran
preocupación en los sectores públicos y privados de la salud por la pérdida de
años de vida saludables de los pacientes y el aumento en los costos de su
tratamiento y rehabilitación.
Los eventos coronarios han merecido una consideración especial, debido a la

gravedad de las secuelas fisiológicas y psicológicas, de una parte, y los enormes
costos que representan para las empresas prestadoras de salud, demostrando la
poca efectividad de las políticas de prevención primaria, secundaria y terciaria que
utilizan estas empresas para garantizar una balanza favorable en la relación costo
beneficio de ambas partes.
¿Cómo la dinámica de sistemas y los sistemas expertos pueden contribuir

en la solución del problema?
Para resolver dicho problema podrían plantearse las siguientes cinco fases.
Fase 1. Recolección del conocimiento: en esta fase se busca toda la

información relacionada con el objeto de estudio (tanto la enfermedad coronaria,
como las estrategia de prevención) necesarias para la elaboración del modelo y
del sistema experto.
Fase 2. Construcción del sistema experto: en esta parte se sigue la

metodología de desarrollo de sistemas expertos que consta de las siguientes
subfases: Estudio preliminar, Estudio de factibilidad, Desarrollo de prototipos,
Desarrollo del sistema, Evaluación final y Mantenimiento.
Fase 3. Modelado y simulación de la evolución de la enfermedad

cardiovascular; en esta fase se realizará el modelo usando dinámica de sistemas
Terminada la fase 3 se tendrá un modelo capaz de recrear la evolución de la
enfermedad coronaria a partir de diversos escenarios de simulación.
Fase 4. Análisis, diseño e implementación del ambiente informático: Esta

fase culminará con la implementación del micro-mundo usando la metodología de
diseño Software.
Fase 5. Experimentación: Esta fase se procede a evaluar la certeza diagnóstica

de la herramienta y supone la puesta en marcha del sistema con pacientes e
involucra un seguimiento que no podría ser menor a dos años.
41
WB. Kannel, Contributions of the Framingham Study to the conquest of coronary artery disease. Am J Cardiol.
1988;62:1109-1112.
Lección 44: Modelado en Pedagogía
La simulación y su relación con la pedagogía.

De la relación que se puede establecer entre la simulación y el aprendizaje
comienzan a aparecer una serie de cuestionamientos alrededor de lo que el
sistema educativo tradicional propone y hace. Al respecto De Zubiría (2006) dice
que “la escuela tradicional abandonó el pensamiento y concentró sus esfuerzos en
los aprendizajes mecánicos y particulares obtenidos mediante la reiteración de la
exposición y la práctica”, esta situación se refleja principalmente en la dificultad
que los estudiantes tienen a la hora de realizar acciones como la redacción de un
informe y aún más cuando se trata de escribir un ensayo.
Una de las principales prácticas de la escuela tradicional consiste en enseñar las

ciencias desprendiéndolas de su carácter abstracto y explicativo de la realidad,
haciendo que el estudiante pierda la posibilidad de cualificar su representación del
mundo y de desarrollar su pensamiento, manteniendo así las representaciones
que ha elaborado en su niñez y debilitando por consiguiente su natural tendencia a
preguntarse acerca de lo que ve y no comprende.
En una experiencia relatada por Marchisio et al (2004) se describe el uso de los

simuladores para el aprendizaje de la mecánica cuántica, cronológicamente
posterior al estudio de la mecánica clásica. En el texto se sostiene que
específicamente pueden destacarse como aspectos relevantes la necesidad de un
cambio sustancial de paradigma e indica además que su objeto de estudio, para el
caso de la mecánica clásica, no es accesible a nuestros sentidos en forma directa.
Según Moore42, para que una teoría se considere educativa debe cumplir entre
otros los siguientes requisitos: un objetivo, supuestos correctos respecto a los
sujetos de la educación, conocimientos y métodos que sean morales, que
permitan a los alumnos participar en la educación y que sean pedagógicamente
eficaces con contenidos cambiantes.
42
MOORE, TW. introducción a la teoría de le educación. Madrid: Alianza editorial S.A, 1995.
Lección 45: Modelado en Educación Básica
La Participación Ciudadana como una Competencia Ciudadana

La competencia ciudadana es definida como la capacidad que, en virtud de la
Constitución Nacional, tiene el ciudadano del común para jalonar procesos de
transformación social, al concederle la apertura de un canal de relación
permanente con los gobernantes. Dicha propuesta, del estado colombiano, quiere
la actuación conjunta con el fin de propiciar espacios en donde las decisiones
puedan ser más razonadas, es decir, que sean el producto de un mayor consenso,
que se conozcan mejor los problemas que aquejan a una sociedad y que se
busque, de manera participativa, las posibles soluciones de los mismos.
El contexto educativo nacional del momento está encaminado a satisfacer la

demanda de lineamientos pedagógicos para orientar procesos de aprendizaje, con
los cuales se puedan desarrollar y fundamentar las competencias ciudadanas en
la práctica y el conocimiento (saber y saber hacer) del estudiante colombiano de
básica primaria y secundaria. Investigadores a nivel nacional e internacional, que
han ponderado la iniciativa del gobierno nacional por promover las competencias
ciudadanas en el aula de clase colombiana, afirman que “el programa de
Competencias Ciudadanas colombiano es el primero en Latinoamérica en
desarrollar estándares de nivel nacional en temas como las competencias
cognitivas de descentración, pensamientos sistémico, juicios imparciales,
superación de prejuicios y estereotipos, etc.; competencias afectivas como el
manejo de las emociones y el reconocimientos de sus efectos en nuestras
decisiones; y competencias comunicativas que buscan la capacidad de empatía
en la escucha y construcción conjunta de ideas que interesen a todos; con una
prueba específica para la evaluación de los mismos”43
La herramienta, al surgir como aporte de la Dinámica de Sistemas y el Enfoque

Pedagógico Constructivista, ofrece una alternativa a la educación tradicional,
permitiéndole al estudiante la oportunidad de explorar, simular y tener nuevas
alternativas en el manejo de las ideas sobre políticas implementadas para dar una
solución a una situación en particular. De esta manera le permite al estudiante de
una forma alternativa ver como se comportarían los fenómenos sociales, bajo
ciertos supuestos y le brinda la posibilidad de comparar sus modelos mentales con
los resultados de la simulación.
Con la implementación de herramientas que tengan en su conceptualización los

principios básicos de la Participación Ciudadana y que a su vez incluyan ejemplos
ilustrativos en la vida real, se logra crear en el estudiante cierto grado de
conciencia y orientación hacia el uso de los mecanismos de Participación
Ciudadana.
43
Documento convocatoria_224. pdf obtenido del sitio Web http://www.colciencias.gov.co/servicios/guiapresentproy.html
Para el caso, la dinámica de sistemas, dentro de un micromundo, puede

presentarse como una alternativa de aprendizaje diferente a las herramientas
computacionales tradicionales (software educativo) que comúnmente están siendo
utilizadas en el medio colombiano. Esto crea tanto en el alumno como en el
docente, una nueva perspectiva sobre el software educativo orientándolos hacia la
existencia de otra clase de material educativo que facilite el proceso de co-
construcción del conocimiento.
El desarrollo de Micromundos interactivos es una opción alternativa que debería

ser abordada por desarrolladores de software educativo. El avance de las nuevas
tecnologías, unido con la cultura informática es cada vez mayor a nivel de
estudiantes y profesores, esto permite pensar en tener materiales educativos
computarizados que propendan por generar procesos reflexivos en procura de
explotar todo el potencial tecnológico en pro de apoyar efectivamente el proceso
de co-construcción del conocimiento.
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD TRES
1. ¿Cuál es el aporte del modelado para la toma de decisiones?

2. ¿Qué es tomar decisiones?
3. ¿Qué es una situación de incertidumbre?
4. ¿El modelado minimiza la incertidumbre, por qué?
5. ¿Es importante la toma de decisiones para la organización si ésta tiene bajos
niveles de incertidumbre?
1. ¿Qué es un sistema?
2. ¿Qué es una organización?
3. ¿Puede verse una organización como si fuera un sistema?
4. ¿Si la organización es un sistema, puede ésta modelarse?
5. ¿Toma usted decisiones en la empresa donde labora, usaría modelos en
adelante?
1. ¿Qué estrategia se usaría para representar los datos del gráfico del caso de
estudio?
2. ¿Puede construirse un modelo de dicho caso?
3. ¿Qué cosas serían un nivel?
4. ¿Qué cosas serían un flujo?
5. ¿Qué cosas serían variables auxiliares?
1. ¿Por qué razón la caja es un Nivel?
2. ¿Por qué razón los egresos son un flujo?
3. ¿Explique la razón por la cual “pronóstico de venta” es una variable exógena?
4. ¿Qué papel cumple la variable "Venta_Anterior"?
5. Proponga elementos adicionales que puedan contribuir en la mejora del modelo
1. ¿El modelo reacciona según lo esperado?
2. ¿Los comportamiento eran previsibles?
3. ¿El parámetro analizado es sensible?
4. ¿Qué decisiones se pueden tomar teniendo en cuenta el modelo y los
resultados de simulación?
5. ¿Modificaría algo del modelo, qué?
1. ¿Qué es un sistema agropecuario?
2. ¿Cuáles son los componentes del sistema agropecuario?
3. ¿Ese tipo de sistemas son factibles de ser modelados?
4. ¿Qué variables identifica como niveles en dicho sistema?
5. ¿Conoce usted algún sistema agropecuario, descríbalo?
1. ¿Qué es una cadena de valor?
2. ¿Qué es una cadena de suministro?
3. ¿Qué es una cadena productiva?
4. ¿Qué relación hay entre el efecto látigo y la cadena productiva?
5. ¿Cuáles son los principales flujos en las cadenas productivas?
1. ¿Cuáles son los principales eslabones de la cadena productiva del tabaco?
2. ¿Cuáles de las variables de dicha cadena son niveles?
3. ¿Cuáles de las variables de dicha cadena son flujos?
4. ¿Cuáles de las variables de dicha cadena son variables auxiliares?
5. Haga una primera aproximación al diagrama de flujos y niveles
1. ¿Los elementos del diagrama de Forrester están bien determinados?

2. ¿Qué elementos hacen falta en el modelo?
3. ¿Defina los datos del modelo?
4. ¿Diseñe un posible escenario?
5. ¿Haga el análisis de sensibilidad?
1. ¿Qué problemas tuvo al momento de elaborar el escenario?
2. ¿Se reconoce la diferencia entra cadena de valor y cadena productiva?
3. ¿Qué aplicaciones percibe de este tipo de modelado?
4. ¿De acuerdo a su carrera en que tópicos se podría usar la dinámica de
sistemas?
5. ¿Podría usted usar la dinámica de sistemas para orientar su vida, cómo?
Proponga un posible desarrollo de la dinámica de sistemas que pueda ser
aplicado en otra rama del conocimiento, para ello defina:
1. Título
2. Objetivos
3. Marco referencial
4. Metodología
5. Programación de tiempos
FUENTES DOCUMENTALES DE LA UNIDAD TRES
RADZICKI M. et al, Why Every Engineering Student Should Study System

Dynamics, en 32nd ASEE/IEEE Frontiers in Education Conference, 2002 IEEE
November 6 - 9, 2002, Boston, MA.
NIND, T.E.W. , (1987) Fundamentos de producción y mantenimiento de pozos

petroleros, México, Limusa.
ANDRADE, H et al. (2001). Pensamiento Sistémico: Diversidad en Búsqueda de

Unidad. Primera Edición, Bucaramanga: Ediciones UIS.
KANNEL WB., Contributions of the Framingham Study to the conquest of coronary

artery disease. Am J Cardiol. 1988;62:1109-1112.
1 MOORE, TW. introducción a la teoría de le educación. Madrid: Alianza editorial
S.A, 1995.
Toma de decisiones disponible en línea en:

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/html/descargar.ht
ml
MACHADO C, A. y TORRES O, J, El sistema agroalimentario. una visión integral

de la cuestión agraria en América Latina, 1. ed. 1987, CEGA, Siglo Veintiuno
Editores, Bogotá, D.E., Colombia.
MOORE, TW. introducción a la teoría de le educación. Madrid: Alianza editorial

S.A, 1995.
PINEDA, E. et al: “El Modelado Y Simulación Para La Comprensión De Los

Sistemas De Producción De Pozos Petroleros” en: Revista de Investigaciones-
UNAD, Volumen 8, Número 1, Junio De 2009. ISSN: 0124 793X, Indexada
Colciencias tipo C. pp. 135-152.
PINEDA, E, et al. VI Congreso Colombiano De Informática Educativa. Ponencia

Presentada. “El Cambio En El Aprendizaje De La Economía, Guiado Con
Micromundos Construidos Con Dinámica De Sistemas, Micras 1.0.” EAFIT
Medellín, Julio De 2002.
PINEDA, E, et al. VI Congreso Internacional de Informática en Salud: Ponencia

presentada: “Una Forma De Usar Los Sistemas Expertos Y La Dinámica De
Sistemas Como Apoyo En Los Procesos De Prevención Cardiovascular”, La
Habana, Febrero De 2007.
PINEDA, E, et al. VII Congreso Colombiano De Informática Educativa. Ponencia

Presentada. “¿Cómo Desde La Ingeniería De Sistemas, Abordar El Estudio De
Los Procesos De Participación Ciudadana, En Procura De Crear Competencias

Ciudadanas? Burgópolis 1.0.” Hotel Tequendama, Bogotá, Julio De 2004.
TABACO, material del DNP, disponible en línea en:

Software Recomendado
Software Descarga Descripción
Evolución inició con una propuesta del ingeniero
Hugo Hernando Andrade Sosa profesor de la
Universidad Industrial de Santander, fundador del
grupo SIMON de Investigación en Modelamiento
y Simulación adscrito a la Escuela de Ingeniería
http://simon.uis.e de Sistemas e Informática; el profesor es
du.co/joomla/hom reconocido en muchas partes del mundo por sus
Evolucion e/index.php?optio aportes realizados en Dinámica de Sistemas
4.1 n=com_content& (DS), Pensamiento Sistémico y otras áreas, entre
view=article&id=2 sus principales aportes se encuentra Evolución,
13&Itemid=94 software producido en la UIS, y que ha sido de
gran utilidad en diferentes instituciones
educativas, para la enseñanza y la investigación
en DS. Este proyecto agradece a él la idea inicial
de Evolución y el incansable esfuerzo e interés
por mejorarlo.
Vensim es una herramienta gráfica de creación
de modelos de simulación que permite
conceptualizar, documentar, simular, analizar y
optimizar modelos de Dinámica de Sistemas.
Vensim proporciona una forma simple y flexible
de crear modelos de simulación, sean con
diagramas causales o con diagramas de flujos.
Las relaciones entre los elementos del sistema
http://www.vensi represntan las relaciones causales, que se
Vensim m.com/freedownl muestran mediante la conexión de palabras con
oad.html flechas. Esta información se usa después por el
Editor de Ecuaciones para crear el modelo de
simulación. Se puede analizar el modelo en el
proceso de construcción teniendo en cuenta las
causas y el uso de las variables, y también
estudiando los ciclos relacionados con una
variable. Mientras que se construye un modelo
que puede ser simulado, Vensim permite explorar
el comportamiento del modelo.
Desde el manejo de una operación específica
hasta las estrategias que le dan forma a las
empresas, quienes toman decisiones utilizan
http://www.power
modelos todos los días para sus tomas de
sim.com/main/pro
Powersim decisiones. Cuando nos enfrentamos a un
ducts___services
problema, utilizamos nuestros modelos mentales
/download/demo/
para formular hipótesis sobre cual cadena de
causa y efecto podemos utilizar para alcanzar el
resultado deseado. La complejidad de nuestros
"modelos mentales" exceden nuestra capacidad

para anticipar las implicaciones de nuestras
decisiones basadas en estos modelos. Es por
esta razón que se utilizan herramientas de
Modelado & Simulación como la provista por
Powersim para "mapear" (construir un mapa o
dibujo) de manera formal nuestros modelos
mentales en modelos que pueden ser simulados
y analizados en las computadoras.

Universidad Nacional Abierta y A Distanc PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Universidad Nacional Abierta y A Distanc PDF

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROGRAMA DE INGENIERÍA DE SISTEMAS

301126 – DINÁMICA DE SISTEMAS

ELIÉCER PINEDA BALLESTEROS

Errores comunes en la realización de diagramas de influencias .................... 54

Algunas características del diseño de escenarios: ....................................... 103

Lección 39: El diagrama de influencias y diagrama de Forrester de la cadena

LISTADO DE GRÁFICOS Y FIGURAS

Figura 1 Representación De La Metáfora Deleuziana. 14

Figura 45 Retardo De Orden Uno De Información 84

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

Este módulo se desarrolla como primera versión, acorde a las necesidades

El módulo de Dinámica de Sistemas se ofrece a la comunidad unadista como una

La Dinámica de Sistemas fue creada a mediados de los años 50 como respuesta a

El curso proveerá a los estudiantes de los útiles necesarios para abordar

Teniendo como guía lo antes expuesto, el módulo de Dinámica de Sistemas se

Se espera que el estudio de este módulo sea suficientemente provechoso y para

UNIDAD 1 CONCEPTUALIZACIÓN SOBRE SISTEMAS Y MODELOS

Nombre de la Unidad Conceptualización de sistemas

CAPÍTULO 1: LA IDEA DE SISTEMA

Lección 1: Máquinas, Sistemas y Modelos

Una máquina está compuesta de mecanismos los cuales se definen como un

Según el número de elementos, los mecanismos se pueden clasificar como

De lo anterior es posible definir un sistema mecánico o máquina como una

Las máquinas simples

El tornillo es un plano inclinado enrollado alrededor de un cilindro. El tornillo, algo

Combinando varias máquinas simples se pueden obtener máquinas compuestas,

Orígenes y perspectivas del pensamiento sistémico

figura 1 Representación de la Metáfora Deleuziana3.

Esta situación posibilita el surgimiento de los quiebres del paradigma mecanicista

El pensamiento sistémico tiene como base fundamental la teoría general de

La teoría General de Sistemas

Ante la situación previamente descrita se hizo necesario desarrollar un “enfoque

La necesidad y factibilidad de un enfoque de sistemas no fue evidente hasta que

En conexión con trabajos experimentales acerca del metabolismo y el crecimiento,

Sistemas Abiertos y Cerrados

Hay sistemas que, por su misma naturaleza y definición, no son sistemas

La primera es el principio de equifinalidad. En cualquier sistema cerrado, el estado

La segunda es el aparente contraste entre la naturaleza inanimada y la animada

Hay un fenómeno importante relacionado con los sistemas, la realimentación. Ésta

Análogamente, las nociones de teleología y directividad parecían caer fuera del

Inicialmente procede indicar por qué se da en llamar a este tipo de modelado

Se dice que es modelado estructural pues todo el interés del modelador se

En una cierta oposición al modelado estructural está el modelado funcional en el

En el capítulo dos se retoman estas ideas y se amplían con el propósito de que

Si bien la teoría de la información y la teoría de juegos era importante, el proyecto

La otra noción, la de cantidad de información es importante en la moderna teoría

Es en este contexto en el que la Teoría General de Sistemas suele ser

La Cibernética, en consecuencia, es una teoría de los sistemas de control basada

En el primer capítulo del libro Cibernética, referente al problema del tiempo en

Los campos de aplicación de la cibernética

Pero va a ser en el campo de las ciencias humanas, principalmente en la

Lección 3: El Concepto de Sistema

Otra definición de sistema, la proporciona McLeod (2000) afirmando que “un

En Murdic (1988) se propone que sistema es un “conjunto de elementos

De la racionalización de las definiciones previas se deducen las siguientes

Se cita a continuación algunos ejemplos de cosas a las que se les puede

Lección 4: El Pensamiento de Sistemas

La crisis del modelo tradicional de la ciencia, el paradigma mecanicista, da paso a

Una de las preguntas que pueden surgir en el paradigma cibernético es

contradicción con los supuestos iniciales del paradigma perspectivista. La segunda