Dinamica de Sistemas

El texto que se presenta, es el resultado de aos de experiencia en la enseanza de
los temas relacionados con la Dinmica de Sistemas. Esta experiencia ha ido

concretndose en la elaboracin de una serie de apuntes de los temas fundamentales,
que son distribuidos entre los alumnos o publicados en la pgina Web de la
asignatura. Ahora, y gracias a la carrera de Ingeniera de Sistemas e Ingeniera
Informtica, estos apuntes, toman un sentido ms formal y de referencia futura.
La seleccin del contenido, incluye los temas fundamentales que pensamos se
deberan abordar en cualquier curso sobre Dinmica de Sistemas. En particular
debera servir de base para los contenidos del programa de la asignatura misma.
Se ha incluido inicialmente una introduccin sobre los sistemas y los modelos; una
manera resumida de introducir el pensamiento sistmico, el segundo captulo trata la
forma de empezar a modelar en base a patrones o arquetipos sistmicos, dejando
para ms adelante la modelacin libre, los siguientes captulos se concentran en la
metodologa de la Dinmica de Sistemas, refiriendo cada una de sus etapas,
buscando ejemplificar adecuadamente su aplicacin para una correcta asimilacin.
Jorge W. Orellana Araoz
1.1. Introduccin
A modo de captulo de introduccin veremos un poco de historia sistmica
sobre el origen de la Teora General de Sistemas, su correspondiente aplicacin
en el enfoque sistmico, las caractersticas de los sistemas, basadas en los
paradigmas sistmicos, concluyendo con una definicin de modelo que
utilizaremos a lo largo del curso.
Siglos atrs, una forma de comprender algo que no se entenda, era aislarlo y
averiguar de qu estaba constituido. En reas como la biologa y la qumica, fue
exitoso, pero su generalizacin llamada reduccionismo, no lo fue tanto (algo es
la suma de sus partes). Siguiendo este criterio no habra diferencia entre una
casa y un montn de materiales de construccin. Sin embargo la diferencia est
en su organizacin. La casa est organizada de una manera precisa y
compleja, mientras que las del montn de materiales de construccin estn
simplemente juntos. Los cientficos comprendieron que era importante entender
cmo se agrupaban los pedazos, y errneamente le dieron ms importancia a
las partes que a los patrones de organizacin.
Esta visin dio como resultado la divisin de las ciencias en muchas
especialidades diferentes. Debido a que los componentes bsicos de cada tema
eran diferentes, se entendi que las formas en que estos componentes se
organizaban tambin eran diferentes y que las diversas especialidades tenan
poco en comn entre ellas. El resultado fue que los expertos de cada
especialidad desarrollaron sus propias teoras para explicarlos y por lo tanto,
estos expertos de campos diferentes no podan entenderse el uno con el otro y
la gente comn no poda entender a ninguno de ellos, sin aos de esfuerzo y
estudio.
A principios de 1920, un grupo de investigadores comenz a analizar las
regularidades de las maneras en que las diferentes especialidades se
organizaban y descubrieron que no importa cun diferentes se vean los
componentes de diferentes campos, estaban puestos juntos segn las mismas
reglas generales de organizacin.
Se descubri que haba una manera de relacionar los diferentes campos del
conocimiento y mostrarlos con criterios comunes. Ese descubrimiento se llam
Teora General de Sistemas y revolucion muchos campos de la ciencia;
atribuyndosele a Ludwig von Bertalanffy.
La Teora General de Sistemas aporta, por una lado, una manera de encarar los
grandes y caticos problemas de la vida real, que no se adecuan a las mismas
soluciones; y por otro lado, una metodologa para que la gente comn pueda
conseguir una imagen clara de cmo funcionan algunas cosas de su entorno,

sin tener que pasar sus vidas estudiando todos los detalles de cada problema.
Al hablar de sistemas, aparece la idea de totalidad, pero las propiedades de esa
totalidad no responden a la simple suma de sus partes o componentes y sus
respectivas propiedades. Esa totalidad surge como algo distinto de sus
componentes y sus propiedades ya que se genera en la interrelacin de dichas
partes, surgiendo tambin como distintas a las de quienes la conforman. Esta
explicacin responde al principio Aristotlico o primer paradigma sistmico de
que el todo es mas que la suma de sus partes (todo/parte).
Tomando este principio y enriquecindolo, Bertalanffy observa que un sistema
es distinguible de su entorno por la particular manera de relacionarse de sus
componentes, formulando el segundo paradigma sistmico, la relacin
todo/entorno, quedando de esta manera explicitado que un sistema establece
un flujo de relaciones con el ambiente donde acta.
El tercer paradigma sistmico le corresponde a Niklas Luhmann, que habla
sobre la propiedad de un sistema de crear su propia estructura y los elementos
de que se compone, llamado autopoiesis (elemento/relacin).
1.2. Enfoque Sistmico

El enfoque o pensamiento sistmico es una disciplina para ver totalidades que
se reflejan como un marco para ver interrelaciones en lugar de consecuencias
lineales causa-efecto y para ver patrones de cambio, en vez de instantneas.
Ofrece un lenguaje que comienza por la reestructuracin de nuestro
pensamiento. El enfoque sistmico parte de dos conceptos fundamentales:
Sinergia Un sistema posee propiedades importantes no deducibles como
suma de las correspondientes de sus elementos. (El todo es ms que la
suma de las partes).
Homeostasis Todo sistema posee una resistencia al cambio, una
tendencia al mantenimiento del estado de equilibrio
Para aplicar este enfoque se usa el anlisis y la sntesis que son procesos
complementarios, como dos caras de la moneda, ya que pueden considerarse
separadamente, pero no pueden separarse. El anlisis permite mirar dentro de
las cosas, mientras que por la sntesis se contempla desde su exterior. Existe
una complementariedad. El anlisis se aboca sobre la estructura, revela cmo
trabajan las cosas. La sntesis se concentra en la funcin, revela porque operan
las cosas o como lo hacen. As el anlisis produce conocimiento, lo que nos
permite describir, mientras que la sntesis genera comprensin, lo que nos

permite explicar. Los tres pasos siguientes, nos permiten aplicar estas tcnicas:
a) Identificar un todo que contenga un sistema del cual el objeto que se ha
de explicar es una parte.
b) Explicar la conducta o las propiedades del todo.
c) Explicar la conducta o las propiedades del objeto que va ha ser
explicado, en trmino de sus funciones dentro del todo.
El buen funcionamiento de un sistema depende ms de como interactan entre
s sus partes, que de cmo acta cada uno de ellos independientemente.
1.3. Sistema
La palabra sistema tiene muchas interpretaciones dependiendo del contexto en
el que se usa, puede significar, por ejemplo, un procedimiento, un proceso o su
control, una red o un programa de procesamiento de datos basado en
computadora, para Draper Kauffman, un sistema es una coleccin de partes
que interactan con cada una de las otras para funcionar como un todo. De
acuerdo a los dos primeros paradigmas sistmicos una definicin completa
debera ser:
Definicin 1
Un sistema es un conjunto de partes que interactan entre s para
formar un todo, relacionndose con su medio.

Como puede verse el sistema es un conjunto; esto es, contiene elementos que
tienen una razn para que se consideren juntos. Pero es ms que un simple
conjunto, tambin contiene las relaciones que existen entre sus elementos. De
manera que si el sistema es un programa computacional, los elementos sern
las instrucciones y las relaciones se definirn con la estructura particular del
programa.
En nuestra usual forma de anlisis nos solemos centrar en los elementos que
componen el sistema, no obstante, para comprender el funcionamiento de
sistemas complejos es necesario prestar atencin a las relaciones entre los
elementos que forman el sistema. En este curso, prestaremos especial atencin
a las relaciones que existen entre los sistemas. Es imposible entender la
esencia de una orquesta sinfnica nicamente prestando atencin a los
msicos y a sus instrumentos, es la coordinacin que tienen entre s, la que
produce la msica. El cuerpo humano, un bosque, el pas, un ecosistema son
mucho ms que la suma de sus partes. Por ello se puede comprender que, por
ejemplo, en el problema del trfico vehicular confluyen muchos elementos
relacionados entre s: nmero de habitantes, nmero de coches, precio de la

gasolina, estacionamientos, transportes alternativos, etc. Es con frecuencia ms
fcil y efectivo para solucionar un problema actuar sobre las relaciones entre los
elementos que modificar los elementos en s.
El concepto engloba la idea de un grupo de elementos conectados entre s que
forman un todo, que muestra propiedades que son propiedades del todo y no
solo propiedades de sus componentes. El sabor del agua, por ejemplo, es una
propiedad de la sustancia, no del hidrgeno y del oxgeno que se combinan
para formarla. As un sistema es un todo que no puede ser dividido en partes
independientes. De esto se deriva dos de sus propiedades ms importantes:
Cada parte de un sistema tiene propiedades que se pierden cuando se
separan del sistema.
Cada sistema tiene algunas propiedades esenciales que no tiene
ninguna de sus partes.
1.4. Sistemas Complejos

Los sistemas complejos presentan un comportamiento que puede ser en
muchos casos, precisamente el opuesto al que sera intuitivo esperar. A este
modo de comportamiento Jay Forrester lo llama anti-intuitivo (counter-intuitive).
La intuicin que preside el anlisis de los sistemas se ha elaborado a partir del
anlisis de sistemas simples por lo que las conclusiones que se extraen de la
aplicacin de esta intuicin a sistemas complejos puede llegar a resultados
exactamente opuestos a los que aparecen en la realidad. Algunas
caractersticas de los mismos son las siguientes:
Son de orden superior, es decir existen muchos estados o niveles de
variables en el sistema.
Son de ciclos mltiples, tienen un nmero importante de ciclos de
realimentacin que interactan con signo positivo o negativo.
Son no lineales, este acoplamiento no lineal de los ciclos de
realimentacin permite que un determinado ciclo domine la estructura un
tiempo para luego ser reemplazando por otro ciclo con profundas
consecuencias para el comportamiento del sistema.
Resisten los cambios de polticas, las polticas son reglas que describen
cmo la informacin disponible en un punto del tiempo va a ser utilizada
para determinar una accin futura.
Contienen puntos de presin influyentes para alterar el balance del
sistema.
Los cambios en el comportamiento de los sistemas complejos por lo
general causan respuestas en el corto plazo opuestas a los efectos de
largo plazo.
1.5. Modelos
En todo momento de nuestra vida, quizs sin considerarlo como tal, cada vez
que se intenta resolver un problema acudimos a la ayuda de un modelo. Un
Modelo es un simple ordenamiento de suposiciones sobre determinado sistema
complejo. Es un intento de comprender algunos aspectos de una infinita
variedad a travs de la seleccin de una serie de observaciones generales
obtenidas por percepcin y experiencia pasada aplicadas al problema
planteado. Una definicin muy aceptada es que un modelo es la interpretacin

explcita de lo que uno entiende de una situacin, o tan slo de las ideas de uno
acerca de esa situacin. Para este curso aplicaremos la siguiente definicin:
Definicin 2
Un modelo es la representacin del comportamiento de un sistema real.

Puede expresarse en ecuaciones matemticas, smbolos o palabras, pero en

esencia es una descripcin de entidades, procesos o atributos y las relaciones
entre ellos. Puede ser prescriptivo o ilustrativo, pero, sobre todo, debe ser til.
El hecho de que est en trminos de interpretaciones o ideas acerca de una
situacin proporciona la libertad de modelar cualquier cosa que se considera
relevante a la situacin antes que un modelo de la situacin misma. Cabe
aclarar que el modelo es slo parte de un proceso de anlisis y no el resultado.
Resumen
El enfoque o pensamiento sistmico es una disciplina para ver totalidades que se
reflejan como
un marco para ver interrelaciones. Parte de dos conceptos
fundamentales: la sinergia y la homeostsis. Para aplicar este enfoque se usa el
anlisis y la sntesis, mismos que son complementarios. La sntesis se concentra
en la funcin mientras que el anlisis produce conocimiento.
Para Draper Kauffman, sistema es una coleccin de partes que interactan con
cada una de las otras para funcionar como un todo.
Los sistemas complejos presentan un comportamiento que puede ser en muchos
casos, precisamente el opuesto al que sera intuitivo esperar, y algunas de sus
caractersticas son: de orden superior, de ciclos mltiples, no lineales, resisten los
cambios de polticas, contienen puntos de presin, causas respuestas en el corto
plazo.
Un Modelo es un simple ordenamiento de suposiciones sobre determinado sistema
complejo.
Trminos y conceptos clave

Sistema, enfoque sistmico, teora general de sistemas, modelo
Referencias bibliogrficas
[1]: Bertalanffy L.W. Teora General de los Sistemas. Ed. Fondo de cultura Mxico, 1968
[2]: Kauffman, Draper. SISTEMAS 1. Una introduccin al Pensamiento Sistmico. Minneapolis.
Future Systems Inc, 1980
[2]: Martn Garca, Juan. Teora y Ejercicios Prcticos de Dinmica de Sistemas. Barcelona
Espaa, 2006
[4]: Monz Marco, Jos. El Pensador Sistmico. Volumen I. Artculos 1995-2005
[5]: OConnor, Joseph; McDermott, Ian. Introduccin al Pensamiento Sistmico. Ed. Urano,
1998
[7]: Senge, Peter. La Quinta Disciplina. Ed. Granica, 1992.
2.1. Introduccin
En este captulo hablaremos sobre una forma de modelar basada en patrones,
donde se debe buscar el arquetipo adecuado al que se ajusta un problema; como
una primera aproximacin al mundo de la modelacin de sistemas.
El modelamiento causal (causa-efecto) constituye un lenguaje sistmico muy
adecuado para ver las diversas interrelaciones que existen en un problema
determinado. Sirve para hacer un bosquejo de todos los elementos sin entrar en los
detalles matemticos del posible modelo. Es un vehculo para ordenar, de forma
muy concentrada, todas las causas que supuestamente pueden contribuir a un
determinado efecto. Nos permite, por tanto, lograr un conocimiento comn de un
problema complejo, sin ser nunca substitutivo de los datos. Es importante ser
conscientes de que los modelos de causa-efecto presentan y organizan teoras.
Solo cuando estas teoras son contrastadas con datos podemos probar las causas
de los fenmenos observables. Para obtener un modelo causal de un sistema hay
que considerar los siguientes aspectos:
Pensar en trminos de relaciones causa efecto.

Centrarse en las relaciones de retroalimentacin entre los componentes del
sistema.
Determinar los lmites apropiados para decidir los elementos a incluir en el
estudio.
Elegir adecuadamente las unidades de tiempo y retardo
2.2. Aspectos para la modelacin causal

2.2.1.Pensar en trminos de relaciones causa efecto
En un modelo causal aparecen formalizados los elementos del sistema y se
establecen las relaciones entre ellos, las diferentes relaciones estn representadas
por flechas entre variables afectadas por ellas. Estas flechas van acompaadas de
un signo (+ -) que indica el tipo de influencia ejercida por una variable sobre la
otra. Un signo + quiere decir que un cambio en la variable origen de la flecha
producir un cambio del mismo sentido en la variable destino. El signo - simboliza
que el efecto producido ser en sentido contrario.
Si se tienen dos variables A, B y si A es capaz de influenciar a B, se representa la
relacin con una flecha que una ambas variables. Para denotar si la influencia
causa variacin en el mismo sentido (es decir, si a un aumento de A se genera un
aumento de B, y si a una disminucin de A se genera una reduccin de B se
coloca el signo + sobre la flecha:

Grfica 2.1.
Por ejemplo:
+
Presa
Predador
Grfica 2.2.
Por otro lado, si a un aumento/disminucin

disminucin/aumento de B, entonces se denota:
de
se
corresponde
una

Grfica 2.3.
Por ejemplo:
Predador
Presa
Grfica 2.4.
Tambin puede utilizarse tal relacin entre un parmetro y una variable, con esto se
representa que si el parmetro variase, lo hara en el mismo sentido la variable sobre la
que acta.
Superficie de un pueblo
Densidad de la poblacin
Grfica 2.5.
Anlogas consideraciones se hacen cuando un parmetro afecta negativamente a una

variable:
Aceleracion de la Gravedad
Grfica 2.6.
Velocidad de la caida
Estos parmetros se consideran constantes dentro del contexto en que estn siendo
considerados, por lo tanto no tiene un signo + - unido a ellos.
Productividad
Recursos
+
Inventario de bienes Terminados

Grfica 2.7.
Este ejemplo indica que Recursos interacta con Productividad de tal manera que
incrementa al Inventario de bienes Terminados. Se puede pensar en una constante
como un catalizador o filtro para el resultado. Si Productividad incrementa, esta
interactuar con Recursos e incrementar an ms a Inventario de bienes
Terminados. Si Productividad decrece, esta interactuar con Recursos e
incrementar a Inventario de bienes Terminados, pero en menor proporcin.
2.2.2.Centrarse en las relaciones

componentes del sistema
de
retroalimentacin
entre
los
Si se agrega una nueva variable C al sistema anterior, la cual est influenciada por
B en el mismo sentido, y que sea capaz de influenciar a A de manera positiva, se
tendra:
Grfica 2.8.
Si A aumenta, inmediatamente B aumentar, ocasionndose entonces un

incremento en C, lo cual aumentar nuevamente a A, y as sucesivamente. En este
caso, la variacin de un elemento se propaga a lo largo del bucle o ciclo de manera
que se refuerza la variacin inicial. Este efecto se conoce como ciclo de
retroalimentacin positiva; se presenta cuando todas las relaciones son
positivas. En la construccin de un modelo aparecen ciclos de retroalimentacin o
feed-backs.
Hay un ciclo de realimentacin cuando en un modelo causal existe una flecha que
partiendo de una variable vuelve a ella despus de un camino ms o menos largo.
Existen dos tipos de ciclos: los de reforzamiento y los de balance.
2.2.2.1.
Ciclo de reforzamiento
Un ciclo de reforzamiento (positivo o explosivo) es aquel en que las interacciones son
tales que cada accin incrementa a la otra. Cualquier situacin donde la accin
produce un resultado que genera ms de la misma accin, se representa por un ciclo
de reforzamiento.
Grfica 2.9.
El ejemplo muestra lo que sucede en una cuenta bancaria tpica. El Capital en la

cuenta interacta con la Tasa de Inters e incrementa el Inters. El Inters a su vez
incrementa al Capital. Esta accin de reforzamiento sucede cada mes o cada periodo
de capitalizacin del banco. La bola de nieve rodando la colina es la seal de que el
ciclo es de reforzamiento. El pequeo grfico a la derecha del Capital indica que el
crecimiento del Capital es exponencial.
2.2.2.2.
Ciclo de balance
Un ciclo de balance (negativo o depresivo) es aquel en que la accin intenta llevar dos
cosas a un acuerdo. Cualquier situacin donde uno intenta resolver un problema o
lograr una meta u objetivo es representacin de los bucles de balance.
Grfica 2.10.
La grfica provee la forma bsica del ciclo o bucle de balance. El estado deseado
interacta con el estado actual para producir una diferencia (GAP). La diferencia
incrementa la accin y la accin incrementa al estado actual. El estado actual entonces

decrementa la diferencia. El pequeo reloj a la derecha entre la accin y el estado
actual indica algn tiempo de demora que le toma a la accin cambiar el estado actual.
A medida que el estado actual se acerca al estado deseado la diferencia se hace ms
y ms pequea de manera que suma menos y menos a la accin, la cual se aade al
estado actual. Una vez que la accin ha movido el estado actual a un punto donde es
igual al estado deseado la diferencia es cero y no hay ms adicin a la accin, de
manera que tampoco hay accin. La balanza en el centro del bucle es la indicacin de
que se trata de un ciclo de balance.
Para determinar si un ciclo es positivo o negativo, se siguen las siguientes reglas:
Cuando en una secuencia de realimentacin solo hay signos positivos, el ciclo

es positivo.
Cuando solo hay signos negativos, el ciclo es positivo, si el nmero total de
signos es par; y negativo en caso contrario.
Cuando hay signos positivos y negativos, el sentido del ciclo es positivo si la
suma de signos negativos es par, cualquiera sea el nmero de signos positivos.
En caso contrario, el ciclo es depresivo.
Los ciclos negativos llevan al modelo hacia una situacin estable y los positivos lo
hacen inestable, con independencia de la situacin de partida. En la realidad los
sistemas contienen ambos tipos de ciclos y el comportamiento final depender de cul
es el dominante en un momento determinado. Estas relaciones de realimentacin
pueden producir una variedad de comportamientos en sistemas reales. Los
comportamientos usuales de los ciclos de realimentacin son los siguientes:
Crecimiento Exponencial. Son los sistemas que poseen un ciclo positivo.

(Ejemplos: ventas desde un inicio, una poblacin de conejos)
Grfica 2.11.
Comportamiento en bsqueda de Metas. Son los sistemas que tienen un

ciclo negativo. (Ejemplos: el nmero de empleados en una empresa y el
nmero de nuevos despidos; el nmero de clientes potenciales y las nuevas
ventas)
Grfica 2.12.
Comportamiento en forma de S (S-shaped). Son sistemas en los cuales

existe un ciclo positivo que acta en un principio como dominante y hace
arrancar el sistema exponencialmente, y que despus es sustituido por otro
ciclo negativo que anula los efectos del anterior y proporciona estabilidad al
sistema, situndolo en un valor asintticamente. (Ejemplos: Ciclo de vida
dinmico de un producto; la aceptacin de una idea cientfica revolucionaria)
Grfica 2.13.
Oscilaciones. Para que un sistema muestre un comportamiento oscilante

es necesario que tenga al menos dos niveles, que son elementos del
sistema en los que se producen acumulaciones fsicas. (Ejemplos: Ciclos de
negocios; oscilaciones de inventario)
Grfica 2.14.
2.2.3. Determinar los lmites apropiados para decidir los elementos a

incluir en el estudio
El establecimiento de la relacin causa efecto entre 2 variables se obtiene del
conocimiento de expertos en el rea, de estudios realizados o de datos histricos sobre
el comportamiento del sistema. De todas maneras durante este proceso puede ser que
algunas de las variables que se seleccionaron al inicio sean eliminadas y otras nuevas
sean introducidas. El proceso a pesar que se presenta de una manera lineal es un
proceso iterativo, ya que continuamente se pasa de la primera a la segunda fase del
proceso, hasta conseguir la lista definitiva de las variables y las ideas bsicas sobre
sus interrelaciones, que se pueden presentar a travs de los ciclos causales.
2.2.4.Elegir adecuadamente las unidades de tiempo y retardo

En el estudio de sistemas dinmicos es necesario establecer una unidad de tiempo.
La eleccin de la unidad de tiempo es convencional y se hace atendiendo a dos
criterios:
o La finalidad del estudio

o Los datos disponibles
El primer criterio debera ser decisivo; sin embargo, razones prcticas hacen que
deba atenderse el segundo. Elegir adecuadamente la unidad de tiempo es
importante para obtener conclusiones tiles de la simulacin. Por ejemplo, si se
quiere estudiar la evolucin de una poblacin de conejos en una rea determinada,
puede ser interesante utilizar el da como unidad temporal; sin embargo, la carencia
de datos puede llevar a tener que elegir el mes. De poco o nada servira el estudio
si la unidad seleccionada fuese el quinquenio. Por el contrario, sera poco
adecuado utilizar el da para estudiar la evolucin de una poblacin de elefantes.
En un modelo causal hay un retardo cuando el efecto se manifiesta en un intervalo
superior a la unidad de tiempo utilizada. La existencia o no de retardos est
condicionada por la unidad de tiempo. Puede suceder que por incrementar o
disminuir la unidad de tiempo aparezcan o desaparezcan retardos. Por ejemplo en
el sistema cuenta bancaria, la relacin capital - inters - capital, hay retardos si la
capitalizacin es trimestral y la unidad de tiempo es el da. En cambio no habr
retardos si la unidad fuese el semestre.
No todas las relaciones causa-efecto ocurren instantneamente. Algunas veces las
consecuencias de una accin o decisin no aparecen hasta despus de das,
meses o incluso aos despus que un evento ha ocurrido. A menudo la relacin
entre causa y efecto es oscurecida por su separacin en el tiempo. Esto dificulta
entender al sistema cuando las consecuencias no pueden verse prximos al
comportamiento. Las demoras existen en todo lugar en el mundo real. Los retrasos
pueden producir comportamientos interesantes y complejos en sistemas incluso
cuando esos sistemas no tienen ninguna realimentacin y complejidad limitada
causa-efecto.
Para ilustrarlo, revisaremos el ejemplo del precio y las ventas. La utilidad para una
lnea de productos se determina multiplicando precio por ventas. Si se incrementa
el precio o las ventas darn lugar a una utilidad ms alta.
Grfica 2.15.
Segn esta visin, tiene sentido el aumentar siempre el precio porque la utilidad
ser siempre ms alta. En trminos econmicos, la demanda es perfectamente
inelstica con respecto a precio (la demanda perfectamente inelstica implica que
no hay ninguna relacin entre el precio y las ventas). El comportamiento de cada
una de estas variables se puede ver en la grfica 2.16.
Hay que notar que, aunque el precio y la utilidad cambian durante la simulacin, las
ventas no cambian. Sin embargo, la demanda es afectada generalmente por el
precio, aunque a menudo no inmediatamente. Los clientes pueden tomar tiempo
para ajustar sus patrones de consumo incluso despus de un cambio del precio.
Grfica 2.16.
Por ejemplo, en los aos 70, los precios de la gasolina alrededor del mundo se
incremento rpida y substancialmente. Los dueos de carros no podan reducir su
demanda de gasolina inmediatamente. Tom a los clientes, aos antes de que
pudieran ajustar sus patrones de consumo.
Grfica 2.17.
Este acoplamiento entre el precio y las ventas ahora es como el acoplamiento original
entre la causa y efecto, excepto que hemos introducido un retraso. Ya que no hay
ningn retraso entre el precio y la utilidad, cuando ocurre una subida del precio, la
primera cosa a suceder es un incremento de la utilidad. Eventualmente, sin embargo,
los clientes pueden ajustar su consumo y las ventas bajaran, dando por resultado una
utilidad ms baja. El comportamiento de la subida del precio y de los cambios
subsecuentes en ventas y utilidad se puede apreciar en la grfica 2.18.
Grfica 2.18.
2.3. Patologas (arquetipos sistmicos)

En Medicina la Patologa es el estudio y clasificacin de las causas, el desarrollo y los
sntomas de las enfermedades. Aqu vamos a realizar lo mismo, pero referido a los
sistemas en general, clasificando las causas de ciertos comportamientos enfermos,
estudiando sus sntomas y analizando el proceso que siguen.
Los arquetipos sistmicos son representaciones de situaciones problemticas
organizacionales que se repiten en diferentes contextos, analizadas desde el marco de
la dinmica de sistemas, que presentan comportamientos dinmicos.
Cada arquetipo es representado mediante un pequeo diagrama de ciclos causales
(constituido por unos pocos ciclos de retroalimentacin), que muestra la estructura
causal que produce la situacin problemtica asociada al arquetipo.
2.3.1.Resistencia al cambio
Muchos problemas persisten a pesar de los continuos esfuerzos para solucionarlos.
Los sistemas se resisten a cualquier cambio que intentemos porque su
configuracin actual es el resultado de muchos intentos anteriores como el nuestro
que no tuvieron xito, ya que si no el sistema sera hoy diferente, y a una estructura
interna que le hace estable, y capaz de neutralizar los cambios del entorno, como
el que nosotros realizamos con nuestra accin.
Grfica 2.19.
Hemos visto que los sistemas basan su estabilidad sobre las acciones de todos sus
elementos que persiguen unos objetivos diferentes, tratando de que el resto del
sistema sea lo ms prximo a sus deseos. A partir de este momento, si un
elemento del sistema o una accin exterior intentan modificar su estabilidad, los
restantes elementos realizarn acciones para volver a la situacin inicial,
neutralizando por consiguiente la accin que alteraba su estabilidad.
Grfica 2.20.
2.3.2.Erosin de objetivos
Muchos sistemas no solamente son resistentes a los cambios que intentan mejorar su
estado, sino que muestran una persistente tendencia a empeorar, a pesar de los
esfuerzos para que mejore su situacin.
Grfica 2.21.
Un sistema que basa sus objetivos en la realidad, y nicamente pretende mejorarla

est abocado a una tendencia permanente a los bajos resultados. Un sistema que
obtiene sus objetivos de una base externa al sistema es inmune a este tipo de
procesos. El obvio antdoto para esta patologa reside en fijar al sistema objetivos
absolutos, no basados en la situacin actual ni en la pasada, y tomar acciones
correctivas en funcin a la diferencia existente.
Un riesgo se observa a veces cuando el objetivo se desplaza al alza ya que los
resultados han superado el objetivo absoluto inicial. En este caso cuando los
resultados de siten por debajo del objetivo inicial, si fue modificado al alza una vez,
todos esperarn que vuelva a ser modificado, esta vez a la baja. El objetivo absoluto
pierde credibilidad tanto si se modifica al alza como a la baja, y la credibilidad no se
recupera.
Grfica 2.22.
2.3.3.Adiccin simple
Este fenmeno se produce cuando existe un objetivo que sirve de punto de
comparacin con el estado del sistema, en base a cuya discrepancia se toma una
accin correctora proporcional a la misma, pero aqu la accin tomada no sirve tanto
para aproximar el estado del sistema real al deseado sino para percibir que el sistema
real est prximo al deseado, sin que esta accin tenga ningn efecto en ese sentido.
La falta de una percepcin clara del estado real del sistema hace que no se tomen las
acciones correctoras necesarias, ya que se percibe que el estado del sistema es ms
prximo al objetivo de lo que en realidad est.
Cuando el efecto inmediato o a corto plazo de la accin desaparece, el problema, o
sea la discrepancia entre el estado real y el deseado, reaparece y con frecuencia con
mayor intensidad, as que el sistema vuelve a tomar alguna accin que aparentemente
le solucione el problema cada vez que el efecto de la anterior empieza a desaparecer.
Grfica 2.23.
El planteamiento de polticas en los casos de un sistema adictivo es difcil ya que las

acciones tomadas ofrecen resultados aparentes a corto plazo, pero una vez iniciado el
proceso es muy difcil detenerlo. Evidentemente el mejor procedimiento es estar alerta
contra este tipo de procesos, es decir ser prudente al uso de acciones que atacan los
sntomas, pero empeoran el problema al evitarlo. En ocasiones se recomienda un
proceso de retorno gradual. Pero siempre es menos costoso evitar que el proceso
adictivo se inicie que intentar salirse de l despus.
Grfica 2.24.
2.3.4.Adiccin con paso de la carga al factor externo

El paso de la carga, el trabajo o la funcin, a un factor externo es una forma benvola
de la Adiccin. En esta clase de sistema una fuerza externa mantiene el sistema en su
situacin deseada. Una fuerza bienintencionada, benevolente, y muy efectiva decide
ayudar para conseguir que el sistema tenga nuestra posicin deseada. Este nuevo
mecanismo funciona muy bien. Pero con este proceso, a travs de una destruccin
activa de los impedimentos que frenaban el sistema hacia la posicin deseada, o por
simple atrofia, las fuerzas originales que intentaban corregir la posicin del sistema se
debilitan. Cuando el sistema se desva de la posicin deseada el factor externo redobla
su potencia, lo cual an debilita ms a las fuerzas originales. Finalmente el sistema
original toma una posicin de dependencia total del factor externo ya que sus fuerzas
correctivas originales han desaparecido por completo y en general de forma
irreversible.
Grfica 2.25.
Apoyarse en un factor externo para situar el sistema en nuestra posicin deseada no

es algo malo en principio. Es usualmente beneficioso y permite al sistema plantearse la
consecucin de mejores objetivos. Pero la dinmica del sistema puede ser
problemtica por dos razones: Primero, el factor externo que interviene no suele
percibir las consecuencias que su ayuda va a tener en los elementos del sistema, y en
especial en aquellos que intentaban hacer ese mismo esfuerzo. Segundo, la
comunidad que es ayudada no se plantea que la ayuda es temporal y pierde el sentido
del largo plazo por lo que se vuelve ms vulnerable y dependiente del factor externo.
La retirada de la ayuda de un sistema que est siendo ayudado no suele ser fcil y en
muchas ocasiones es sencillamente imposible. Este proceso de retirada de la ayuda
sin deteriorar el sistema se ha de basar siempre en la identificacin de los elementos
internos del sistema que en su estado original se encargaban de corregir el problema,
reforzar estos mecanismos, y a medida que empiecen a actuar ir retirando la ayuda.
2.3.5.Efectos a corto y a largo plazo

En ocasiones se realizan, en aras de un determinado objetivo, grandes esfuerzos pero
en la direccin equivocada. Una solucin eficaz en el corto plazo tiene consecuencias
de largo plazo imprevistas que requieren ms uso de la misma solucin. No hay que
descuidar el largo plazo. De ser posible no hay que recurrir a las soluciones de corto
plazo, o usarlas slo para ganar tiempo mientras se trabaja en un remedio duradero.
Grfica 2.26.
En general se presta atencin a los componentes del sistema y a su comportamiento a

corto plazo, todo ello basado en una informacin incompleta.
Lo que no parece ser que tengamos es la capacidad para articular los argumentos,
ante los otros y ante nosotros mismos para convencernos de que lo que estamos
percibiendo es lo correcto. Esperamos hallar la solucin que tenga una relacin
prxima con el sntoma, una ganancia a largo plazo que empiece con una ganancia a
corto plazo, o una estrategia que produzca satisfaccin a todos los agentes implicados.
Pero sabemos que los sistemas complejos no se comportan de esa forma. As que
algo dentro de nosotros sigue insistiendo de algn modo en que tal vez esa solucin
sencilla y eficaz no debe ser la mejor. As que seguimos proponiendo difciles polticas
que no pueden funcionar, negndonos otras ms sencillas y eficaces que s podran.
Grfica 2.27.
2.3.6.Lmites del crecimiento

En este arquetipo, un proceso se alimenta de s mismo para producir un periodo de
crecimiento o expansin acelerada. Luego el crecimiento se vuelve ms lento (a
menudo en forma inexplicable para quienes participan en el sistema) y puede
detenerse o se revierte e inicia un colapso acelerado.
La fase de crecimiento es causada por uno o varios ciclos de realimentacin positiva.
La desaceleracin surge por un ciclo negativo o compensador que se activa cuando se
llega a un lmite. El lmite puede ser una restriccin en los recursos, o una reaccin
externa o interna ante el crecimiento. El colapso acelerado (cuando ocurre) surge del
ciclo positivo que se revierte, generando cada vez ms contraccin.
Grfica 2.28.
Identificar y remover, si es posible, la restriccin al crecimiento (ciclo positivo) permite

detener la accin del proceso de balance (ciclo negativo) y lograr un mayor
desempeo.
Grfica 2.29.
2.3.7.xito para el que tiene xito

En este arquetipo, dos actividades compiten por recursos limitados. A mayor xito,
mayor respaldo, con lo cual la otra se queda sin recursos. Una de las dos actividades,
grupos o individuos interrelacionados comienza a andar muy bien mientras el otro
apenas subsiste.
Grfica 2.30.
Hay que buscar la meta abarcadora de logro equilibrado de ambas opciones. En

algunos casos, se debe romper o debilitar el eslabonamiento entre ambas, para que no
compitan por el mismo recurso limitado (esto es deseable en casos donde ese
eslabonamiento pasa inadvertido y crea una insana competencia por los recursos).
El evaluar las polticas de asignacin de recursos permite considerar mejores acciones
para alcanzar los objetivos planteados, identificando las posibles ventajas iniciales que
permitan lograr un mayor xito.
Grfica 2.31.
2.3.8.Escalada
Para este arquetipo, dos personas u organizaciones entienden que su bienestar
depende de una ventaja relativa de una sobre la otra. Cuando una se adelanta, la otra
se siente amenazada y acta con mayor agresividad para recobrar su ventaja, lo cual
amenaza a la primera, aumentando su agresividad, y as sucesivamente. A menudo
cada parte ve su conducta agresiva como una reaccin defensiva ante la agresin de
la otra; pero la defensa de cada parte deriva en una escalada que escapa a la voluntad
de ambas.
Grfica 2.32.
Hay que buscar el modo de que ambas partes ganen o alcancen sus objetivos. En
muchos casos una parte puede revertir unilateralmente la espiral viciosa al realizar
agresivos actos pacficos que hagan sentir al otro menos amenazado. Para esto se
debera identificar resultados de una fuerte competencia en el largo plazo.
Grfica 2.33.
2.3.9.Tragedia del territorio comn

Este arquetipo muestra como las personas u organizaciones utilizan un recurso comn
pero limitado reparando nicamente en las necesidades individuales. Al principio son
recompensados pero eventualmente hay una disminucin en las ganancias, lo cual les
induce a intensificar los esfuerzos. Al final agotan o erosionan el recurso.
Hay que administrar el territorio comn, educando a todos y creando formas de
autorregulacin y presin de pares, o mediante un mecanismo de regulacin oficial,
idealmente diseado por los participantes.
Grfica 2.34.
La interaccin entre los individuos en presencia de un bien comn puede producir el

agotamiento de ste. Por lo tanto, el identificar la relacin entre las acciones de los
individuos y sus efectos en el colectivo permite detener el colapso del recurso.
Grfica 2.35.
2.3.10. Crecimiento y sub inversin

Este arquetipo muestra que el crecimiento se aproxima a un lmite que se puede
eliminar o desplazar hacia el futuro si la empresa o individuo invierte en capacidad
adicional. Pero la inversin debe ser intensa y rpida para impedir la reduccin del
crecimiento, pues de lo contrario no se har nunca.
A menudo las metas decisivas o las pautas de desempeo se rebajan para justificar la
sub - inversin. Cuando esto ocurre, las metas ms bajas conducen a expectativas
ms bajas, que luego se traducen en un mal desempeo causado por la sub inversin.
Grfica 2.36.
Si hay un potencial genuino para el crecimiento, hay que construir capacidad

anticipndose a la demanda, como estrategia para generar demanda. Adems de
sostener la visin, especialmente en lo concerniente a la evaluacin de las pautas
de desempeo y la capacidad para satisfacer la demanda potencial.
Grfica 2.37.
2.4. Conexiones entre arquetipos

Aqu mostramos la manera en que los arquetipos pueden interactuar con los dems:
Grfica 2.38.
Resumen
El modelamiento causal (causa-efecto) constituye un lenguaje sistmico muy adecuado
para ver las diversas interrelaciones que existen en un problema determinado.
En un modelo causal aparecen formalizados los elementos del sistema y se establecen

las relaciones entre ellos.
El ciclo de retroalimentacin positiva, se presenta cuando todas las relaciones son
positivas.
Un ciclo de reforzamiento (positivo o explosivo) es aquel en que las interacciones son
tales que cada accin incrementa a la otra.
Un ciclo de balance (negativo o depresivo) es aquel en que la accin intenta llevar dos
cosas a un acuerdo.
Los comportamientos usuales de los ciclos de realimentacin son el crecimiento
exponencial, comportamiento en bsqueda de metas, comportamiento en forma de S y
oscilaciones.
El establecimiento de la relacin causa efecto entre 2 variables se obtiene del
conocimiento de expertos en el rea, de estudios realizados o de datos histricos
sobre el comportamiento del sistema.
En el estudio de sistemas dinmicos es necesario establecer una unidad de tiempo y
esta eleccin de unidad de tiempo es convencional y se hace atendiendo a dos
criterios: la finalidad del estudio y los datos disponibles.
En un modelo causal hay un retardo cuando el efecto se manifiesta en un intervalo
superior a la unidad de tiempo utilizada.
Los arquetipos sistmicos son representaciones de situaciones problemticas
organizacionales que se repiten en diferentes contextos, analizadas desde el marco de
la dinmica de sistemas, que presentan comportamientos dinmicos contraintuitivo,
entre ellas podemos mencionar a: resistencia al cambio, erosin de objetivos, adiccin
simple, adiccin con paso de carga al factor externo, efectos a corto y largo plazo,
lmites de crecimiento, xito para el que tiene xito, escalada, tragedia del territorio
comn y crecimiento y sub inversin.

Modelacin causal, causa efecto, retroalimentacin, ciclos de reforzamiento, ciclos
de balance, patologas, arquetipos.
[1]: Braun, William. The System Archetypes 2002
[2]: Martn Garca, Juan. Teora y ejercicios prcticos de Dinmica de Sistemas. Barcelona
(Espaa) 2006
[3]: Martn Garca, Juan. Sysware. Barcelona (Espaa) 2005
[4]: Meja, Andrs & Daz, Gloria. Tipos de arcos y hacia dnde disparan: Sobre la naturaleza y
posibilidades de los arquetipos 2006
[5]: Senge, Peter. La Quinta Disciplina. Ed. Granica, 1992
[6]: Senge, Peter. La Quinta Disciplina en la Prctica. Ed. Granica, 1994
3.1. Introduccin
En los captulos anteriores tratamos el pensamiento sistmico y su aplicacin prctica,
a partir de este captulo hablaremos sobre la Dinmica de Sistemas; una metodologa
que permite modelar casi cualquier tipo de sistemas y representando su estructura,
simular su comportamiento, adems de sus etapas y terminaremos el mismo con la
ejemplificacin de la primera etapa de la metodologa.
3.2. Dinmica de Sistemas

Es una disciplina acadmica creada en los aos 60s por Jay Forrester del Instituto
Tecnolgico de Massachusetts (M.I.T.). Originalmente fue dirigido a las ciencias
administrativas e ingenieriles, pero gradualmente se ha desarrollado como una
herramienta til en el anlisis de sistemas sociales, econmicos, fsicos, qumicos,
biolgicos y ecolgicos.
Separemos los dos trminos que componen la metodologa para conceptualizar
adecuadamente su contexto. De acuerdo a nuestra definicin de sistema en el primer
captulo, como una coleccin de elementos que continuamente interactan entre s
para formar un todo; las relaciones subyacentes y las conexiones entre los elementos
del sistema se denominan estructura del sistema. Por ejemplo en un ecosistema, su
estructura se define basndose en las interacciones entre la poblacin de animales, las
tasas de natalidad y mortalidad, la cantidad de alimento y otras variables especficas
de cada ecosistema, es decir, las variables importantes que influyen sobre el sistema.
Por otro lado, el trmino dinmico se refiere al cambio sobre el tiempo. Si algo es
dinmico, este est constantemente cambiando en respuesta a un estimulo que lo
influencia. Un sistema dinmico es entonces un sistema en el cual las variables
interactan para estimular cambios sobre el tiempo.
La dinmica de sistemas es una metodologa usada para entender como los sistemas
van cambiando en el tiempo. La forma en la cual los elementos o variables que
componen un sistema varan sobre el tiempo se denomina comportamiento del
sistema. En el ejemplo del ecosistema, el comportamiento est representado por las
dinmicas de crecimiento y reduccin de la poblacin. Este comportamiento se debe a
la influencia de la disponibilidad de alimentos, los depredadores y el medio ambiente,
que son todos elementos del sistema.
Una caracterstica comn a todos los sistemas es que su estructura determina su
comportamiento. La dinmica de sistemas relaciona el comportamiento de un sistema
con su estructura subyacente. Un modelo de dinmica de sistemas (DS) es la
representacin de la estructura del sistema.
Una vez que el modelo DS es construido y las condiciones iniciales estn
especificadas, una computadora puede simular el comportamiento de las diferentes
variables sobre el tiempo.
Un buen modelo intenta imitar algunos aspectos de la vida real. Ya que la vida real no
permite retroceder en el tiempo y cambiar la estructura del sistema, la simulacin da el
poder de cambiar la estructura del sistema y analizar su comportamiento bajo
diferentes condiciones.
Un modelo de dinmica de sistemas permite generar escenarios de simulacin como

una herramienta para tomar decisiones; alterando un sistema podemos examinar cmo
responder a distintas condiciones. En el ejemplo del ecosistema, se puede examinar
el efecto de una sequa o analizar el impacto de la eliminacin de una especie animal
en el comportamiento total del sistema.
La dinmica de sistemas ofrece una fuente de realimentacin directa e inmediata para
probar las suposiciones acerca de los modelos mentales de la realidad a travs de la
simulacin por computadora, que es la imitacin del comportamiento del sistema a
travs de clculos numricos ejecutados sobre un modelo de dinmica de sistemas.
3.3. Definiciones de dinmica de sistemas

A continuacin revisaremos algunas definiciones de los autores ms representativos de
la metodologa:
Definicin 1
Es un camino para estudiar el comportamiento (behavior) de los sistemas para mostrar
como las polticas, decisiones, estructura y demoras (tiempo) estn interrelacionadas para
influenciar sobre el crecimiento y la estabilidad.
Jay Forrester.

Definicin 2
Es una disciplina que permite visualizar la integridad e interrelaciones y el aprendizaje
para cmo estructurar dichas interrelaciones en una forma ms efectiva y eficiente.
Peter Senge.
Definicin 3
Est basada en la especificacin y discusin de cuatro caractersticas fundamentales: 1.
pensamiento en modelos: explcitamente modelado comprensivo. 2. pensamiento
interrelacionado: estructuras sistmicas. 3. pensamiento dinmico: pensar en procesos
dinmicos (con demoras, realimentaciones, oscilaciones). 4. Sistemas conductores: facilita
la habilidad de prctica en el gerenciamiento y control de sistemas.
Gunter Ossimitz.
Definicin 4
Establece tcnicas que permiten expresar en un lenguaje formalizado (el de las
matemticas) los modelos verbales (mentales) de los sistemas sociales.
Javier Aracil.

Definicin 5
Es una tcnica de uso generalizado para modelar y estudiar el

comportamiento de cualquier clase de sistemas. Su caracterstica es la
existencia de retardo y bucles de realimentacin por lo que conlleva a que
estos sistemas tengan comportamientos inesperados y contra intuitivos.
Martnez S. y Requena A.

3.4. Etapas de modelacin de dinmica de sistemas

La metodologa DS comprende cuatro etapas con sus respectivos pasos que permiten
desarrollar modelos:
Conceptualizacin
Definir el propsito del modelo
Definir la frontera del modelo e identificar las variables clave
Describir el comportamiento o dibujar los modos de referencia de las variables clave.
Diagramar los mecanismos bsicos y ciclos de realimentacin del sistema (diagrama
causa-efecto).
Formulacin
Convertir diagramas causa-efecto a diagramas y ecuaciones flujo-nivel (diagramas
Forrester o DS).
Estimar y seleccionar valores de parmetros.
Prueba
Simular el modelo y probar las hiptesis dinmicas.
Probar las suposiciones del modelo
Probar el comportamiento del modelo y su sensibilidad a perturbaciones.
Implementacin
Probar la respuesta del modelo a diferentes polticas o entornos.
Traducir las conclusiones del estudio a una forma accesible a la gente comn.
La siguiente grafica nos muestra el carcter iterativo de las etapas mencionadas:
Grfica 3.1
3.5. Conceptualizacin de modelos DS

En esta primera etapa, el modelador debe determinar el propsito del modelo, sus
fronteras, su posible comportamiento y la naturaleza de los mecanismos bsicos.
3.5.1.Propsito del modelo

Este es un paso de dos partes: enfocarse sobre un problema y reducir la audiencia del
modelo.
Un modelo DS es construido para entender un sistema que tiene creado un problema y
continua mantenindolo. Para tener un modelo significativo, debe haber un problema
subyacente en el sistema que cree una necesidad para conocimiento y entendimiento
adicional del sistema. La meta de la etapa de conceptualizacin es llegar a un modelo
conceptual en bruto capaz de mostrar el problema relevante de un sistema. Despus
de escoger que rea del problema se enfocar, un modelador debe reunir datos
relevantes y adicionalmente definir el enfoque del modelo. La informacin relevante
para un sistema dinmico no consiste solo de datos estadsticos medidos, sino tambin
de conocimiento operativo de gente familiarizada con el sistema que est siendo
analizado.
El modelador debe tambin considerar la audiencia del modelo primario. Si la
estructura y comportamiento del modelo no puede ser entendido por su audiencia, o si
no responde preguntas que interesan a la audiencia, entonces el modelo es intil.
El primer paso, al crear un modelo significativo de los datos disponibles, es definir el
propsito del modelo mientras se mantiene en mente la audiencia del modelo. El
propsito del modelo deber mencionar algn tipo de accin o comportamiento sobre
el tiempo que el modelo analizara. Sin un propsito clara y estrictamente definido es
muy dificultoso decidir que componentes del sistema son importantes.
El propsito de un modelo normalmente se enmarca en una de las siguientes
categoras:
Para clarificar el conocimiento y entendimiento del sistema.

Para descubrir polticas que mejoraran el comportamiento del sistema.
Para capturar modelos mentales y servir como un medio de comunicacin y
unificacin.
Si consideramos por ejemplo las infecciones respiratorias agudas, el propsito del

modelo podra ser: Determinar la evolucin de las Infecciones respiratorias
agudas (IRAs) con o sin neumona, como causal de la mortalidad infantil en la
ciudad. Como audiencia del modelo podramos considerar que est destinado al
servicio de salud SEDES de la ciudad, que estn interesados en conocer el
comportamiento de la enfermedad y as tomar decisiones sobre ella.
3.5.2.Frontera del modelo

Cada sistema tiene una frontera o lmite cerrado dentro del cual es generado el
comportamiento de inters. Cuando se crea un modelo DS de un sistema, el
modelador debe definir claramente la frontera del modelo. La frontera del modelo
contiene todos los componentes presentes en el modelo final.
Primero, un modelador deber reunir todos los componentes que el vea sean
necesarios para crear un modelo del sistema, aun aquellos de los cuales no est
seguro. Esta lista inicial de componentes debe seguir las siguientes reglas:
Los componentes deben ser los necesarios. El modelador configura la

frontera tal que nada que este excluido del modelo es necesario para
generar y representar propiamente el comportamiento de inters definido en
el propsito del modelo. Obviamente nada incluido deber ser innecesario.
Los componentes pueden ser agregados. Se debera poder agregar
componentes si no cambian la naturaleza del problema que est siendo
modelado o el propsito del modelo. Menos componentes ayudan a evitar
complicaciones innecesarias.
Los componentes deben ser direccionales. Todos los componentes
importantes deben tener un nombre direccional que puede crecer o
decrecer.
Segundo, para especificar una frontera del modelo, el modelador deber separar los
componentes iniciales en dos grupos importantes:
Endgenos, variables dinmicas envueltas en los ciclos de realimentacin
del sistema.
Exgenos, componentes cuyos valores no son directamente afectados por
el sistema.
Es til hacer dos columnas llamadas endgenos y exgenos y llenar estas
columnas despus de un cuidadoso examen de cada componente de la lista de
componentes inicial en el contexto del propsito del modelo. Puede haber algunos
componentes en la lista inicial, que despus de este minucioso examen sean
innecesarios en el modelo. El modelador deber ahora tener un mejor entendimiento
de la estructura del modelo.
Finalmente, despus de dividir la lista inicial en dos categoras, es til reexaminar los
componentes endgenos y exgenos para especificar cules son stocks o niveles y
cuales son flujos (Normalmente los componentes exgenos sern constantes o
parmetros y no flujos o niveles). Para una fcil identificacin los niveles o stocks son
acumulaciones, usualmente son algo que puede ser visualizado y medido, tal como la
poblacin, pero tambin pueden ser abstractos como nivel de reputacin. Los flujos
son cambios en los niveles, son tasas que son medidas en unidades de nivel sobre el
tiempo (tasa de nacimiento, tasa de muerte, tasa de compras, etc.).
En el ejemplo de las infecciones respiratorias agudas, una lista de componentes
iniciales podra ser la siguiente:
v
v
v
v
v
v
v
v
v
v

Poblacin infantil
Nacimientos
Muertes
Tasa de mortalidad
Tasa de natalidad
Infeccin
Complicacin
Tasa de complicacin
Curacin sin tratamiento
Tasa de curacin
v
v
v
v
v
v
v
v

Curacin con tratamiento

Tasa de tratamiento
Tasa de contacto humano
Poblacin
IRAs
sin
neumona
Poblacin IRAs con
neumona
Cobertura de salud
Acceso familiar a la salud
Prevalencia
La lista inicial se divide en la siguiente tabla:

Tabla 3.1: Componentes del modelo
Componentes Endgenos
Componentes Exgenos
Poblacin infantil (Nivel)
Tasa de natalidad
Nacimientos (Flujo)
Tasa de infeccin
Muertes (Flujo)
Tasa de complicacin
Tasa de mortalidad
Tasa de tratamiento
Infeccin (Flujo)
Tasa de contacto humano
Poblacin susceptible
Tasa de curacin
Curacin sin tratamiento (Flujo)

Complicacin (Flujo)
Curacin con tratamiento (Flujo)
Poblacin IRAs sin neumona (Nivel)
Poblacin IRAs con neumona (Nivel)
Cobertura de Salud
Acceso familiar a la salud
Prevalencia
Ya que el propsito de construir el modelo es determinar la evolucin de las

Infecciones respiratorias agudas (IRAs), el modelo base no incluir las inmunizaciones
por vacuna, ya que estn podran enmascarar el curso natural de la enfermedad.
3.5.3.Modos de referencia
El modo de referencia representa el comportamiento de las variables clave de un
sistema sobre el tiempo. Un grfico de modo de referencia tiene al tiempo sobre el eje
horizontal y unidades de las variables en el eje vertical. El modo de referencia captura
modelos mentales y datos histricos sobre papel, da las pistas para la estructura
apropiada del modelo, y puede verificar la credibilidad una vez que el modelo es
construido. Un modelador construye modos de referencia para comprobar la existencia
de algn fenmeno o comportamiento extrao en el sistema.
Aun cuando las descripciones verbales o un conjunto de estadsticas acerca del
comportamiento de un sistema pueden servir para el mismo propsito que el grfico del
modo de referencia, existe mayor preferencia por la forma grfica por diversas razones,
una descripcin verbal puede ser larga, confusa, y no llevar la misma impresin visual
que un grfico.
La observacin histrica y los modos de referencia hipotticos son dos modos de
referencia que un modelador puede crear durante la conceptualizacin.
Un modo de referencia por observacin histrica existe cuando un
modelador tiene un problema y desea generar conocimiento acerca de
posibles causas y soluciones. Este modo de referencia usa datos histricos.

Es til comparar la salida del modelo con el modo de referencia histrico en
etapas posteriores a esta. Si el modelo no produce un comportamiento
similar a las observaciones histricas, es una indicacin que el modelo debe
ser rediseado.
Grfica 3.2
Cuando no hay informacin histrica disponible, el modelador puede crear

un modo de referencia hipottico que consiste de una simple curva,
tpicamente dibujada a mano, capturando las caractersticas clave del
patrn de comportamiento de los componentes importantes del sistema.
Bosquejar una curva hipottica requiere abstraer las caractersticas
interesantes de una variable desde los detalles del sistema dado.
Comportamientos comunes de este modo de referencia son crecimiento y
decrecimiento exponencial, colapso, amortiguamiento y oscilaciones.
Grfica 3.3
Dibujando los modos de referencia, un modelador simula la situacin en su mente y

piensa claramente acerca de qu factores influencian a otros; tomado en cuenta los
factores ms importantes (niveles y flujos) y graficando su comportamiento sobre el
tiempo.
Siguiendo con el ejemplo de las infecciones respiratorias agudas, mostraremos en las
siguientes grficas los componentes dinmicos ms importantes.
Tabla 3.2: Poblacin de IRAs con neumona

Ao
2000
N
Casos
2001
2002
2003
2004
2005
2006
10321 12002 13665
15278
16817
18292 19737
Grfica 3.4: Ao Vs. Poblacin de IRAs con neumona
Fuente: SNIS-VIG.EPID
Tabla 3.3: Poblacin de IRAs sin neumona

Ao
2000
2001
2002
2003
2004
2005
2006
N Casos
92350
102472
112524
122393
131999
141372
150633
Grfica 3.5: Ao Vs. Poblacin de IRAs sin neumona
Tabla 3.4: Poblacin Infantil

Ao
2000
< de 5 aos 213333
2001
2002
2003
2004
2005
2006
215978
218969
222027
224867
227204
228974
Grfica 3.6: Ao Vs. Poblacin Infantil
Fuente: Instituto Nacional de Estadstica
Tabla 3.5: Mortalidad Infantil

AO
2000
2001
2002
2003
2004
2005
2006
TASA
72,12
70,25
66,08
62,07
58,15
54,25
52,09
Grfica 3.7: Ao vs. Tasa de mortalidad
3.5.4.Mecanismos bsicos
Los mecanismos bsicos son los ciclos de realimentacin en el modelo y representan
el conjunto ms pequeo de relaciones causa-efecto reales capaces de generar el
modo de referencia, aunque tambin podra ser una simple historia que explique el
comportamiento dinmico del sistema.
Para elaborar los mecanismos bsicos, un modelador debe primero mentalmente
decidir sobre una hiptesis dinmica. Una hiptesis dinmica es una explicacin del
comportamiento del modo de referencia y deber ser consistente con el propsito del
modelo. Un modelador usa una hiptesis dinmica para dibujar y probar las
consecuencias de los ciclos de realimentacin, luego crea diagramas que ilustran los
mecanismos bsicos que manejan el comportamiento del sistema dinmico.
Un modelo no puede ser construido sin un entendimiento de los ciclos de

realimentacin. Tener una buena hiptesis dinmica y mecanismos bsicos bien
definidos implica tener la informacin suficiente para empezar a formalizar el sistema
en ecuaciones flujo-nivel.
Para representar los mecanismos bsicos se puede usar diagramas causa-efecto o
diagramas flujo-nivel. Los diagramas flujo-nivel tienen la tendencia a ser ms
detallados que los diagramas causa-efecto, forzando al modelador a pensar ms
especficamente acerca de la estructura del sistema
En el ejemplo de las infecciones respiratorias agudas, las hiptesis dinmicas serian:
A ms tasa de infeccin mayor infeccin, tanto a ms infeccin habr mayor

Poblacin con IRAs sin neumona y a mas poblacin con IRAs sin neumona
mayor prevalencia, y a mas prevalencia mayor infeccin.
A ms Poblacin con IRAs sin neumona mayor complicacin o tratamiento y a
ms tratamiento o complicacin menor poblacin con IRAs sin neumona.
A ms complicacin mayor poblacin IRAs con neumona, a mas poblacin con
IRAs con neumona mayor prevalencia y a mayor curacin menor poblacin IRAs
con neumona.
Grfica 3.8
A mayor poblacin IRAs con neumona, mayor incidencia en tasa de mortalidad

infantil.
A ms nacimientos mayor Poblacin infantil, a ms poblacin infantil, ms
Nacimientos, filtrados por la tasas de natalidad.
A ms Poblacin infantil ms muertes, a ms muertes menos Poblacin infantil,
filtrados por la tasa de mortalidad.
La interrelacin entre poblacin IRAs con neumona, la cobertura de salud y el
acceso familiar afectara a la tasa de mortalidad
Grfica 3.9
El resultado de los mecanismos bsicos nos muestra el primer modelo que representa
al sistema y es la base para trabajar en la siguiente etapa.
Resumen
Originalmente fue dirigido a las ciencias administrativas e ingenieriles, pero
gradualmente se ha desarrollado como una herramienta til en el anlisis de sistemas
sociales, econmicos, fsicos, qumicos, biolgicos y ecolgicos.
van cambiando en el tiempo.
Un modelo de dinmica de sistemas es la representacin de la estructura del sistema,
que le permite generar escenarios de simulacin como una herramienta para tomar
decisiones; alterando un sistema podemos examinar cmo responder a distintas
condiciones.
Las etapas en la modelacin de sistemas son 4: conceptualizacin, formulacin,
prueba e implementacin.
En conceptualizacin, el modelador debe determinar el propsito del modelo, sus
El propsito de un modelo normalmente se enmarca para clarificar el conocimiento y
entendimiento del sistema, descubrir polticas que mejoraran el comportamiento del
sistema, capturar modelos mentales y servir como un medio de comunicacin y
unificacin.
La frontera del modelo contiene todos los componentes presentes en el modelo final,
pues en ella se deber reunir todos los componentes que sean necesarios para crear
un modelo del sistema, luego, para especificar una frontera del modelo, se deber
separar los componentes iniciales en variables endgenas y variables exgenas.
sistema sobre el tiempo.
comportamiento dinmico del sistema

Sistema,
estructura,
dinmico,
comportamiento,
conceptualizacin, propsito, frontera, modo de referencia.
mecanismos
bsicos,
[1]:
[2]:
[3]:
[4]:
[5]:
Aracil, Javier & Gordillo. Dinmica de Sistemas. Alianza Universidad Textos, 1999
Aracil, Javier. Dinmica de Sistemas. ISDEFE, 1995
Drew, Donald R. Dinmica de Sistemas Aplicada. ISDEFE, 1995
Forrester, Jay. Principles of Systems. Productivity Press.1998
Martn Garca, Juan. Teora y ejercicios prcticos de Dinmica de Sistemas. Barcelona
(Espaa) 2006
[6]: Albin, Stephanie. Building a System Dynamics Model Part 1: Conceptualization (D-4597).
Extraido
de
Road
Maps:
A
Guide
to
Learning
System
Dynamics
http://sysdyn.clexchange.org/road-maps/rm-toc.html
4.1. Introduccin
En este captulo explicaremos la segunda etapa de la modelacin con Dinmica
de Sistemas: formulacin, presentndola desde el punto de vista de elementos
genricos que permitirn comprender su representacin, terminando el capitulo
ejemplificaremos el problema iniciado en temas anteriores.
Los modelos matemticos, programables en un computador, estn enunciados
de una manera explcita; el lenguaje matemtico que se emplea para la
descripcin del modelo no deja lugar a la ambigedad. Un modelo de dinmica
de sistemas es ms explcito que un modelo mental y, por lo tanto, puede ser
expresado sin ambigedad. Las hiptesis sobre las que se ha montado el
modelo, as como las interrelaciones entre los elementos que lo forman,
aparecen con toda claridad en el mismo, y son susceptibles de discusin y
revisin. Por ello la proyeccin futura del modelo puede hacerse de forma
completamente precisa.
4.2. Diagrama Flujo Nivel (DS o Forrester)

El Diagrama de Flujos, es caracterstico de la Dinmica de Sistemas y es una
traduccin del diagrama causal a una terminologa que facilita la escritura de las
ecuaciones. Bsicamente consiste en la clasificacin de los elementos del
sistema.
4.2.1.Nivel o stock
Un nivel es un smbolo genrico para cualquier cosa que acumula o drena. Los
niveles son aquellos elementos que describen en cada instante la situacin del
modelo, presentan una cierta estabilidad en el tiempo y varan solo en funcin
de otros elementos denominados flujos. Los niveles se representan por un
rectngulo.
Nivel
4.2.2.Flujo
Un flujo es la tasa de cambio de un nivel. Los flujos son elementos que pueden
definirse como funciones temporales. Puede decirse que recogen las acciones
resultantes de las decisiones tomadas en el sistema, determinando las
variaciones de los niveles. Las nubes en el diagrama de flujos son niveles de
contenido inagotable.
Flujo
4.2.3.Convertidor
Un convertidor se usa para tomar datos de entrada y manipular o convertir esa
entrada en alguna seal de salida. Estos convertidores son variables auxiliares
y constantes o parmetros, y permiten una visualizacin mejor de los aspectos
que condicionan el comportamiento de los flujos. Puede utilizarse un crculo o
solo escribir el nombre de la variable.
4.2.4.Conector
Un conector es una flecha que permite el paso de informacin o de magnitudes
fsicas entre convertidores y convertidores, niveles y convertidores, niveles y
flujos, y convertidores y flujos.
ss
4.3. Estructura matemtica de un modelo DS

La estructura matemtica de un modelo de dinmica de sistemas es un sistema
de ecuaciones diferenciales. Pero en lugar de escribir directamente las
ecuaciones diferenciales, se escriben ecuaciones para cada uno de los
smbolos vistos anteriormente, es decir para los niveles, los flujos, las variables
auxiliares, etc.
Una variable de estado (o nivel), es decir, una variable que acumula sus valores
(matemticamente representado con una integral) es cambiada por variables
que se representan por flujos de material (flujos). Si N es el Nivel, FE y FS los
flujos de entrada y de salida respectivamente, se puede escribir la siguiente
ecuacin:
donde N(t) es el valor del nivel en el instante de tiempo t y N(0) es el valor

inicial del nivel. Esa ecuacin se puede escribir, de forma aproximada,
empleando mtodos de integracin numrica:
Esta ltima forma es la que se emplea comnmente en Dinmica de Sistemas

para definir cualquier nivel en trminos de sus flujos. La ecuacin de flujo es la
siguiente:
donde TN es el flujo normal y M es lo que se denomina multiplicador de flujo

normal. Si M(t) = 1 se tiene una situacin neutral en la que F(t) = TN * N(t), es
decir, el flujo es una fraccin constante del nivel.
El multiplicador M(t) refleja el efecto de otros factores sobre la variable de nivel
en cuestin: M(t) = M1[V1(t)] * M2[V2(t)] * ... * MK[VK(t)] , en donde cada factor
Mi[Vi(t)] es una funcin no lineal de una variable Vi, la cual puede ser un nivel o
una variable auxiliar.
4.4. Estructuras genricas

Las estructuras genricas son estructuras simples que se presentan en muy
diversas situaciones. Los ciclos de realimentacin son los elementos
estructurales bsicos del sistema
4.4.1.Realimentacin lineal positiva de primer orden

Uno de los sistemas de realimentacin ms simple es el ciclo de realimentacin
positivo. La realimentacin positiva ocurre cuando el cambio se propaga a
travs de un sistema para producir ms cambio en la misma direccin. Este es
el tipo de realimentacin que produce crecimiento.
4.4.1.1.
Diagrama del modelo

La figura muestra la estructura genrica de realimentacin positiva de primer
orden. En la ecuacin del flujo, se multiplica el nivel por la fraccin componente
o se divide el nivel entre la constante de tiempo. La constante de tiempo es
simplemente el reciproco de la fraccin componente.
4.4.1.2.
Ecuaciones del modelo

Las ecuaciones para la estructura genrica son:
Nivel(t) = Nivel(t-dt) + (flujo)*dt

Es el stock o nivel del sistema.
Unidad: unidades.
Flujo = nivel * fraccin componente
El flujo es la fraccin del nivel que fluye dentro del sistema por unidad de
tiempo.
Unidad: unidades/tiempo
Fraccin componente = una constante
Es un factor de crecimiento y determina el flujo de entrada al nivel. Es la
cantidad de unidades sumadas al nivel por cada unidad ya existente en el nivel
en cada ciclo.
Unidad: unidades/unidad/tiempo
Si en lugar de fraccin componente se tiene una constante de tiempo, las
ecuaciones tendran la siguiente variacin:
Flujo = nivel / constante de tiempo
Constante de Tiempo = una constante
Es el tiempo de ajuste para el nivel. Corresponde al tiempo por cada unidad
inicial al componerse en una nueva unidad.
Unidad: tiempo
Comparando las dos posibles ecuaciones para el flujo, se puede notar que el
multiplicador en la ecuacin del flujo esta dado por:
Multiplicador = fraccin componente = 1/constante de tiempo
4.4.1.3.
Comportamiento del modelo
4M
800,000
0.4
2M
400,000
0.3
0
0
0.2
0
10 12 14 16 18 20 22 24 26 28 30
Tiempo
Nivel
Flujo
Fraccion componente o constante de tiempo
La caracterstica del crecimiento exponencial es su tiempo contante de

duplicacin, es decir, el tiempo que le toma para duplicarse al nivel permanece
constante. Para encontrar el tiempo de duplicacin del nivel, se necesita la
constante de tiempo del sistema, que se puede obtener directamente si el

modelo lo tiene o del reciproco de la fraccin componente:
Constante de tiempo = 1 / fraccin componente
El tiempo de duplicacin para el nivel esta dado por:
Tiempo de duplicacin = ln 2 * constante de tiempo
Tiempo de duplicacin = 0.7 * constante de tiempo
4.4.1.4.
Comportamientos producidos por la estructura genrica

Para
explorar
los
diferentes
posibles
comportamientos,
primero
experimentaremos cambiando el valor inicial del nivel (stock) y manteniendo el
valor constante de la fraccin componente. Los diferentes comportamientos al
cambiar valores del nivel inicial son mostrados en la siguiente figura.
Dando valores distintos al nivel inicial (-2000, -1000, 0, 1000, 2000) para
diferentes corridas y manteniendo constante la fraccin componente en 0.3.
Nivel
6M
3M
0
-3 M
-6 M
0
10 12 14 16 18
Time (Month)
Nivel : 1
Nivel : 5
Nivel : 4
20 22
24 26
28
30
Nivel : 3
Nivel : 2
Veremos ahora que acelera o retarda el crecimiento exponencial de un sistema.

Si variamos ahora los valores de la fraccin componente en 0, 0.1, 0.2, 0.3, 0.4
para diferentes corridas manteniendo constante el valor inicial del nivel en 1000
se tiene lo siguiente:
Nivel
100,000
75,000
50,000
25,000
0
0
Nivel : 5
Nivel : 4
Nivel : 3
10
12
Time (Year)
Nivel : 2
Nivel : 1
14
16
18
20
4.4.1.5.
Tabla resumen del comportamiento del nivel

El comportamiento del ciclo de realimentacin positiva se resume en la tabla
siguiente: (la fraccin componente con valor cero corresponde a una constante
de tiempo infinita).
Comportamiento del nivel
para una valor inicial del
nivel y el multiplicador en el
flujo (fraccin o tiempo
constante)
Cero
Fraccin
Componente
Positivo
4.4.1.6.
NIVEL
Negativo
Cero
Positivo
Equilibrio
Cero
Equilibrio
Crecimiento
Exponencial
Negativo
Cero
Crecimiento
Exponencial
Positivo
Ejemplos del ciclo de realimentacin positiva de primer orden

Sistema Depsito Bancario - Inters
Inters = Deposito Bancario * Tasa de Inters

Sistema Conocimiento - Aprendizaje
Aprendizaje = Conocimiento / Tiempo para Aprender
4.4.2.Realimentacin negativa lineal de primer orden

El decrecimiento exponencial es uno de los comportamientos ms comunes de
un ciclo de realimentacin negativa. Las caractersticas importantes del
decrecimiento exponencial es su comportamiento asinttico y el tiempo de
divisin constante de la curva. El tiempo de divisin es el tiempo que le toma al
nivel reducirse a la mitad. La formula siguiente aproxima al tiempo de divisin
de un nivel usando la constante de tiempo.
Tiempo de divisin = 0.7 * constante de tiempo.
Tiempo de divisin = 0.7 / Fraccin de drenaje.
En el diagrama el tiempo constante es 3 porque la lnea tangente al valor inicial

del stock cruza el eje de tiempo en 3 unidades.
Sistema Depsito Bancario Inters
Inters = Deposito Bancario * Tasa de Inters

Sistema Conocimiento Aprendizaje
Aprendizaje = Conocimiento / Tiempo para Aprender

4.4.2.1.
Diagrama del modelo
Un ciclo de realimentacin negativa simple consiste en un nivel (variable de

estado), un flujo de salida y una meta u objetivo. El flujo de salida es
proporcional a la diferencia entre el nivel y la meta.
4.4.2.2.
Ecuaciones del modelo

Las ecuaciones para la estructura genrica son:
Nivel(t) = Nivel(t-dt) + (- flujo)*dt

Es el stock o nivel del sistema.
Unidad: unidades.
Flujo = fraccin de drenaje * diferencia de ajuste
El flujo de salida es la fraccin del nivel que fluye del sistema por unidad
de tiempo.
Diferencia de ajuste = Nivel Meta para el Nivel
Es la diferencia entre el nivel y la meta para el nivel.
Unidad: unidades
Fraccin de drenaje = una constante
Es la fraccin de la diferencia o gap (igual al nivel si la meta es cero) la
cual est ms cerca cada periodo de tiempo.
Unidad: 1/tiempo
Meta para el nivel = una constante
Es el objetivo al cual tiene que llegar el nivel.
Unidad: unidades
Si en lugar de fraccin de drenaje se tiene una constante de tiempo, las
ecuaciones tendran la siguiente variacin:
Flujo = Diferencia de ajuste / constante de tiempo
Constante de Tiempo = una constante
Representa el tiempo de ajuste para el nivel
Unidad: tiempo
Comparando las dos posibles ecuaciones para el flujo, se puede notar que el
multiplicador en la ecuacin del flujo esta dado por:
Multiplicador = fraccin de drenaje = 1/constante de tiempo
4.4.2.3.
Comportamiento del modelo

La caracterstica del decrecimiento exponencial es su tiempo constante de
divisin, el cual es el tiempo para que la Diferencia (GAP) se corte por la mitad.
Si colocamos la fraccin de drenaje en 0.2, el tiempo de divisin permanece
constante para toda la simulacin, en la siguiente figura por ejemplo el nivel
inicial es 100 y la meta 50, toma cerca de 3.5 aos para que la diferencia se
corte a la mitad en 25 (nivel=75) y otros 3.5 aos para que la diferencia se corte
otra vez a la mitad en 12.5 (nivel=62.5).
100
85
70
55
40
0
Nivel
4.4.2.4.
10
Tiempo
12
14
16
18
20
Meta para el nivel
Comportamientos producidos por la estructura genrica

El comportamiento producido por esta estructura puede variar dependiendo de
los valores de tres parmetros: el valor inicial del nivel, la meta y la fraccin de
drenaje.
Cambiando el valor inicial del nivel. En la estructura genrica, hacemos
variar el valor inicial del nivel en los siguientes valores 8000, -4000, 0, 4000,
8000 para las diferentes corridas. Consideramos el valor de la meta en 0 y la
fraccin de drenaje en 0.2.
Nivel
8,000
4,000
0
-4,000
-8,000
0
Nivel : 5
Nivel : 4
Nivel : 3
10
12
Time (Year)
14
16
18
20
Nivel : 2
Nivel : 1
La figura muestra como el nivel se acerca siempre asintticamente a su meta.

En 5 veces de divisin de tiempo, el nivel esta cerca del 97% de llegar a su
meta.
Cambiando el valor de la fraccin de drenaje. Este cambio acelera o retarda
el decrecimiento exponencial del sistema. Para observar su efecto variaremos
el valor de la fraccin de drenaje en 0, 0.1, 0.2, 0.3 y 04, manteniendo constante
el valor del nivel en 8000 y la meta en 0.
Nivel
8,000
6,000
4,000
2,000
0
0
Nivel : 5
Nivel : 4
Nivel : 3
10
12
Time (Year)
14
16
18
20
Nivel : 2
Nivel : 1
Cuando la fraccin de drenaje es cero, el nivel no vara, por otro lado un valor
grande en la fraccin de drenaje hace que el nivel acelere su aproximacin a la
meta. Podemos ver entonces, que para la fraccin de drenaje de 0.1
corresponde el tiempo de divisin de 7 unidades de tiempo, mientras que para
la fraccin de drenaje 0.4 el tiempo de divisin es 1.75 unidades de tiempo.
Cambiando el valor de la Meta. Mantenemos el valor del nivel en 8000 y la
fraccin de drenaje en 0.2, los valores para la meta sern 8000, 6000, 4000,
2000 y 0.
Nivel
8,000
6,000
4,000
2,000
0
0
Nivel : 4
Nivel : 5
Nivel : 3
10
12
Time (Year)
14
16
18
20
Nivel : 2
Nivel : 1
En todos los casos, despus de 5 divisiones de tiempo el nivel esta a 97% de la

meta.
4.4.2.5.
Tabla resumen del comportamiento del nivel

El comportamiento del ciclo de realimentacin negativa se resume en la tabla
siguiente:
Comportamiento del
nivel para una valor
inicial del nivel y el
multiplicador en el flujo
(fraccin o tiempo
constante) con Meta=0
Negativo
Cero
Positivo
Cero
Equilibrio a
un valor
negativo
Equilibrio a
Cero
Equilibrio a
un valor
positivo
Positivo
Crecimiento
asinttico al
equilibrio
Equilibrio a
Cero
Decrecimient
o asinttico
al equilibrio
Fraccin de
Drenaje
4.4.2.6.
NIVEL
Ejemplos de realimentacin negativa de primer orden

Sistema Decrecimiento Radioactivo
Decremento = Fraccin de Decremento * Componente Radioactivo

Sistema Poblacin-muerte
Muertes = Poblacin * Tasa de mortalidad

Sistema Reduccin Empresa
Despido = Diferencia / Tiempo de ajuste

Diferencia = Numero de empleados - Numero deseado de empleados
El ejemplo 3 tiene la misma estructura bsica que los ejemplos 1 y 2, veamos

porque, Si el nmero deseado de empleados es 0, entonces la Diferencia ser
igual al Nmero de empleados y la ecuacin del flujo ser:
Despido = Diferencia / Tiempo de ajuste
Despido = (Numero de empleados-Numero deseado de empleados) /
Tiempo de ajuste
Despido = (Numero de empleados 0) / Tiempo de ajuste
Despido = Numero de empleados / Tiempo de ajuste
4.4.3.Aadiendo flujos constantes

Analizaremos sistemas de realimentacin con flujos constantes de entrada y
salida, presentando tres pasos para la simulacin mental: calcular el equilibrio,
determinar el modo de comportamiento y esquematizar el comportamiento
esperado.
4.4.3.1.
Realimentacin positiva con flujo de salida constante

Se demostrar la aplicacin de los siguientes principios de la simulacin mental:
Aadir flujos constantes a un sistema de realimentacin positiva desplaza
el equilibrio del valor cero.
Los flujos constantes no cambian las caractersticas del crecimiento
exponencial generado por un ciclo de realimentacin positiva
El modelo de ejemplo a simular fue construido hipotticamente por cientficos
interesados en mantener una poblacin de moscas de fruta en orden de
asegurar la provisin para uso de experimentos. El flujo de entrada corresponde
a la reproduccin, ya que las moscas se reproducen rpidamente, sumando
cerca de la mitad de la poblacin cada da, los cientficos estiman una tasa de
reproduccin de 50% por da. El flujo de salida corresponde a un flujo constante
de remocin del espcimen. Los cientficos desean brindar una provisin diaria
de 50 moscas de fruta. Para poder determinar la cantidad exacta de moscas de
fruta necesarias para empezar la crianza, los cientficos construyeron el
siguiente modelo:
La cantidad de moscas de fruta que los cientficos precisan, debera permitir

que la poblacin permanezca estable, con un equilibrio entre la reproduccin y
la remocin. Para simular el comportamiento de equilibrio se siguen los
siguientes pasos:
Paso 1. Calcular el equilibrio

El flujo de salida desplaza el equilibrio (de un sistema de realimentacin
positiva) de cero. El equilibrio en el nivel se logra igualando la suma de flujos de
entrada con la suma de los flujos de salida, para el ejemplo esto sera:
Reproduccin = Remocin
Poblacin de Moscas de fruta * Tasa de Reproduccin = Remocin
Resolviendo la ecuacin podemos obtener el equilibrio para el nivel:
Poblacin de moscas de fruta = Remocin / Tasa de Reproduccin
= 50 / 0.5 = 100 moscas de fruta
Paso 2. Determinar el modo de comportamiento.
Los sistemas de realimentacin positiva tienden a exhibir un crecimiento
exponencial lejos del equilibrio, decrecimiento exponencial hacia el equilibrio o
equilibrio. Ya que estamos simulando el comportamiento del nivel a la
estabilidad, 100 moscas de fruta, este ser el modo de comportamiento.
Paso 3. Esquematizar el comportamiento esperado.
1,000
750
500
250
0
0
5
Tiempo
10
Poblacion mosca de fruta
Ya que la simulacin indica que la poblacin estar estable en 100 moscas de

fruta, los cientficos deciden ordenar esta cantidad, pero el laboratorio
errneamente les enva 120 moscas de fruta, entonces los cientficos
nuevamente predicen el comportamiento de la poblacin:
Sabemos que el equilibrio de la poblacin est en 100 mosca de fruta.
Paso 2. Determinar el modo de comportamiento.
Si hay 120 moscas, la poblacin claramente no est en equilibrio, se espera un
crecimiento exponencial en lugar del equilibrio.
Paso 3. Esquematizar el comportamiento.

Ya que el flujo de salida constante no cambia el comportamiento exponencial
generado por el ciclo de realimentacin positiva, el tiempo de duplicacin puede
ser utilizado para estimar el comportamiento. El tiempo de duplicacin sera:
Tiempo de duplicacin = 0.7 / Tasa de Reproduccin = 0.7 / 0.5 = 1.4 das
Esto significa que el nivel de 120 moscas se duplicar a 240 en solo 1.4 das, si
es as, significa que el sistema se comporta como si no hubiese un flujo de
salida. Podemos esquematizar inicialmente dos comportamientos y luego
unirlos para interpretar un solo comportamiento.
En primer lugar el grfico correspondiente a las 20 moscas sobrantes que se
comporta como un ciclo de realimentacin positivo puro y con un tiempo de
duplicacin de 1.4 das.
1,000
750
500
250
0
0
5
Tiempo
10
Poblacion mosca de fruta
El comportamiento esperado para el sistema estar formado por el grfico

anterior de equilibrio y este ultimo de crecimiento exponencial. Puesto que el
nuevo equilibrio est representado por una lnea horizontal en 100 (moscas de
fruta), sumando este modo de comportamiento a la curva exponencial, la
desplaza hasta la cantidad del nuevo equilibrio. La siguiente figura muestra el
comportamiento final estimado para el sistema donde el crecimiento
exponencial con el flujo de salida es comparado con el que no tiene flujo de
salida.
4.4.3.1.1.
Ejemplo (Sistema Fundacin premios Nobel)

Cada ao la Fundacin Premios Nobel distribuye aproximadamente un total de
6.000.000 $us en premios en efectivo a aquellos quienes en el ao precedente
hayan conferido los ms grandes beneficios a la humanidad en las siguientes
reas: qumica, literatura, medicina, fsica, economa y paz. Estos premios
estn financiados por la acumulacin de intereses de una cuenta de banco. El
siguiente modelo representa este sistema y las ecuaciones para lograr un
equilibrio son las siguientes:
Flujo de salida = Flujo de entrada
Remocin de Efectivo = Acumulacin de Inters
Premios = Fundacin * Tasa de Inters
Despejando cuanto debera tener la Fundacin Nobel para lograr un equilibrio,
obtenemos la siguiente ecuacin:
Fundacin = Premios / Tasa de Inters
Fundacin = 6.000.000 $us / 0.1 = 60.000.000 $us
4.4.3.2.
Realimentacin negativa con flujos de entrada constante

Se demostrar la aplicacin de los siguientes principios de la simulacin mental:
Aadir flujos constantes a un sistema de realimentacin negativa desplaza el
equilibrio.
Los flujos constantes no cambian las caractersticas del decremento
exponencial producido la realimentacin negativa. Por lo tanto el tiempo de
divisin se convierte en una til herramienta de simulacin mental.
El sistema de realimentacin negativa a ser simulado es el drenaje de un
fregadero que contiene un flujo entrante producido por una llave de agua. La
tasa de drenaje es proporcional al volumen de agua en el fregadero, la fraccin
de drenaje es 0.1. El agua fluye a una tasa de 30 cm3/s. El modelo para este
sistema es el siguiente:
Mentalmente simularemos el comportamiento del sistema, cuando este est en

equilibrio:
En ausencia de un flujo de entrada, el sistema est en equilibrio cuando el
fregadero est vaco. Al sumar un flujo de entrada el volumen en equilibrio se
desplaza. Para encontrar cuanto es esta variacin, igualamos la suma de flujos
de entrada con la suma de flujos de salida:
Entrada de agua = Drenaje de Agua
Entrada de agua = Agua en el fregadero * Fraccin de drenaje
Despejando el volumen de agua:
Agua en el fregadero = Entrada de agua / Fraccin de Drenaje
Agua en el fregadero = 30 / 0.1 = 300 cm3
Paso 2. Determinar el modo de comportamiento
En sistemas de realimentacin negativa el nivel tiende a aproximarse al
equilibrio asintticamente ya sea por debajo o por arriba. Para esta simulacin
intentaremos estimar el comportamiento del sistema cuando el nivel este en 300
cm3, lo que representa equilibrio.
Paso 3. Esquematizar el modo de comportamiento esperado
El grfico muestra una lnea horizontal que representa el desplazamiento del
equilibrio de 0 cm3 a 300 cm3.
Ahora simularemos el caso cuando el fregadero tiene 500 cm3 de agua al inicio
de la simulacin:

Se conoce de la anterior simulacin que el equilibrio esta en 300 cm3 de agua.
Paso 2. Determinar el modo de comportamiento
Para esta simulacin el volumen de agua es 500 cm3 mayor que el valor de
equilibrio. De manera que el sistema se acerca al equilibrio desde arriba.
Paso3. Esquematizar el comportamiento.
El comportamiento del sistema como un todo puede ser descompuesto en dos
partes que pueden ser graficadas separadamente. De los 500 cm3 de agua
presentes al inicio 300 cm3 estn en equilibrio, la diferencia 200 cm3 est sujeta
a drenaje de acuerdo a la ecuacin de divisin de tiempo:
Divisin de tiempo =0.7 / fraccin de drenaje = 0.7 / 0.1 = 7 segundos
Para obtener un esbozo del comportamiento del sistema como un todo,
aadimos el diagrama de 300 cm3 de agua en equilibrio anterior a este ltimo y
se obtiene el siguiente:
4.4.3.2.1.
Ejemplo (Memorizando letras de canciones)

Si a alguien le encanta escuchar pera italiana, tambin pueda gustarle
cantarlas, pero no puede recordar las letras de esas canciones a menos que las
escuche muy atentamente. De manera que decide escuchar su opera favorita
cuidadosamente y tratar de memorizar cada palabra. Al principio cuando la
cancin empieza a tocar el puede recordar muchas palabras, sin embargo,
cuando la cancin esta por la mitad y ya ha memorizado muchas palabras, l
empieza a olvidar alguna de las primeras palabras. Un modelo que representa
esto es el siguiente (suponiendo que el flujo de palabras escuchadas es
constante):
Cuando las palabras son escuchadas a una tasa de cerca de una palabra cada
dos segundos, considerando que el equilibrio se logre en 45 palabras
recordadas, usando las correspondientes ecuaciones tenemos:
Palabras ejecutadas = Palabras olvidadas
Palabras ejecutadas = Palabras recordadas / Tiempo para olvidar
De esta ecuacin podemos obtener la constante de tiempo:
Tiempo para olvidar = Palabras recordadas / Palabras ejecutadas
= 45 / 0.5 = 90 seg.
4.4.4.Combinacin de sistemas de realimentacin

Los ciclos de realimentacin son los elementos bsicos de la estructura del
sistema. La realimentacin en los sistemas causa una aproximacin a todo el
comportamiento dinmico.
4.4.4.1.
Fracciones constantes idnticas

Recurriremos a un ejemplo para graficar esta estructura. Se requiere un modelo
para la produccin de arboles, de manera de poder determinar polticas que
puedan mejorar el inventario e incrementar las ventas. De acuerdo al
comportamiento de los 5 aos anteriores, se propone el siguiente modelo:
Se vende anualmente alrededor del 8% del inventario, entonces para mantener

un equilibrio se planta los mismos 8% anualmente para reponer el inventario.
Para evaluar la estrategia y considerando que el modelo tiene un ciclo de
realimentacin positiva y otro de realimentacin negativa, seguimos los pasos
de la simulacin mental:
Paso 1. Determinar la naturaleza del comportamiento del ciclo en el
sistema
Revisando el modelo vemos que si el numero de arboles se incrementa,
tambin lo hace el flujo de plantado, sobre el tiempo, esto genera un
comportamiento exponencial debido a la presencia de realimentacin positiva.
El flujo de salida, sin embargo muestra que si los arboles se incrementan, las
ventas tambin se incrementan, bajo este segundo patrn de comportamiento,
el numero de arboles gradualmente se acerca a cero, su meta. Este
comportamiento orientado a metas es causado por la realimentacin negativa.
Para determinar el comportamiento total del sistema, ambos flujos deben ser
considerados, las siguientes ecuaciones dan los valores de Plantado y Ventas:
Plantado= Arboles*Fraccin de Plantado= Arboles*0.08
(Arboles/ao) = (Arboles* 1/ao)
Ventas = Arboles*Fraccin de Ventas = Arboles*0.08
(Arboles/ao) = (Arboles* 1/ao)
En este caso los dos flujos son igualmente fuertes porque las fracciones
componentes son iguales. Esto significa que el flujo de entrada es siempre igual
al flujo de salida, de tal manera que el flujo neto es cero y el valor del nivel es
constante.
Paso 2. Determinar el valor inicial del nivel
El valor inicial es 500 arboles
Paso 3.Determinar el valor final del nivel
Ya que el flujo de entrada es el mismo que el de salida el valor del nivel
permanece constante en 500 rboles.
600
450
300
150
0
0
Arboles
Plantado
4.4.4.2.
10
Tiempo
12
14
16
18
20
Ventas
Fracciones constantes diferentes

Se desea desarrollar una estrategia que gradualmente incremente el inventario
de arboles y expanda el negocio, ya que de la anterior estrategia se nota que no
habr crecimiento alguno en las ventas. Por lo tanto se decide incrementar la
fraccin de plantado a 0.30, es decir se plantara el 30% del inventario cada ao,
podremos determinar el nuevo comportamiento del sistema con los siguientes
pasos:
Paso 1. Determinar la naturaleza del comportamiento del ciclo del sistema

Los comportamientos de los ciclos individuales son los mismos que en el caso
anterior. La diferencia entre los dos modelos es el cambio en la fraccin de
plantado. El valor mayor de fraccin de plantado hace que el ciclo de plantado
sea considerablemente ms fuerte. Ya que el ciclo positivo es el dominante el
inventario de arboles se incrementara exponencialmente.
El inventario inicial de arboles es 500
Paso 3. Determinar el valor final del nivel
Un sistema alcanza el equilibrio cuando el flujo de entrada y salida son iguales.
Ya que el sistema produce crecimiento exponencial, este no puede alcanzar el
equilibrio y se demuestra esta hiptesis con las siguientes ecuaciones:
Flujo de entrada = Flujo de salida
Arboles*Fraccin de plantado = Arboles*Fraccin de ventas
(Arboles * 1/ao) = (Arboles * 1/ao)
Arboles*0.30 = Arboles*0.08
0.30 = 0.08
El siguiente grfico muestra el comportamiento del sistema mostrando la
desigualdad de los flujos.
40,000
30,000
20,000
10,000
0
0
Arboles
Plantado
4.4.4.3.
10
12
Tiempo
14
16
18
20
Ventas
Realimentacin no lineal
En base a los resultados de la anterior estrategia, se determina que no es
prctico para el negocio, ya que se tendr una produccin de arboles que no se
podr manejar ni vender por lo que podrn morir por efectos del clima. Despus
de consultar con un agrnomo, se ve que para hacer un mejor uso de los 6000
metros cuadrados de tierra, se deber incrementar la produccin de arboles
hasta 5800, por lo que se propone una nueva estrategia para alcanzar esta
meta en los siguientes 5 aos; por lo que cada ao se plantara el 30 % de la
diferencia entre la meta de 5800 rboles y el inventario actual, esta estrategia
se resume en el siguiente modelo:
Para hacer la simulacin mental del modelo se siguen los siguientes pasos:
Paso 1. Determinar la naturaleza del comportamiento del ciclo en el
sistema
La estructura del ciclo de plantado ha cambiado, ahora un incremento en el
numero de arboles cierra la diferencia entre el inventario actual y la meta
deseada. El plantado de arboles ser ms lento cuanto ms se acerque a la
meta. El tipo de comportamiento orientado a la meta ejemplifica un ciclo de
realimentacin negativo. El ciclo de ventas tambin es un ciclo de
realimentacin negativo ya que no ha cambiado desde la anterior estrategia.
El comportamiento general del sistema puede ser determinado examinando el
dominio relativo de los ciclos. Inicialmente el ciclo de plantado es ms fuerte
que el ciclo de ventas. Por ejemplo en el primer ao se plantara 1590 arboles
(Plantado = 5800*0.3) pero se vender solo 40 arboles (Ventas= 500*0.08).
Este no siempre ser el caso, ya que si el inventario de arboles se incrementa,
la diferencia entre el inventario y la meta decrecer y eventualmente se estar
plantando tanto arboles como se vendan. En este punto el flujo de entrada
igualara al flujo de salida por lo que se lograra un equilibrio.
El valor inicial del nivel aun es de 500 arboles
El valor final ocurre cuando el sistema est en equilibrio, y esto ocurrir de
acuerdo a las siguientes ecuaciones:
Plantado = Ventas
(Arboles/ao) = (Arboles/ao)
Fraccin de Plantado * Diferencia = Arboles *fraccin de Venta
(1/ao)*arboles = arboles * (1/ao)
Sustituyendo los nmeros tenemos:
0.30* (5800 Arboles) = 0.08 * Arboles
5800 Arboles = (0.08 * Arboles) / 0.30
5800 = Arboles + Arboles * (0.08 / 0.30)
5800 = Arboles * (1+ (0.08 / 0.30))
5800 = Arboles * 1.267
Arboles = 4578 en equilibrio
Considerando la meta de 5800 rboles, se alcanza el equilibrio mucho ms

antes.
6,000
4,500
3,000
1,500
0
0
Arboles
Plantado
4.4.4.4.
10
12
Tiempo
14
16
18
20
Ventas
Realimentacin no lineal con Funcin grfica

Aun cuando la anterior estrategia alcanza la meta prevista, se desea encontrar
la tasa a la cual se debera empezar a plantar, ya que no se puede empezar a
plantar 1600 rboles por ao sin incrementar sus ventas, as que se plantea
utilizar una relacin no lineal para controlar el plantado. La hiptesis se refiere a
que debe reducir el plantado solo si se incrementa la densidad de arboles, con
lo que estara controlando la densidad de rboles plantados, de acuerdo al
siguiente modelo:
El ciclo de ventas se mantiene como en la anterior estrategia, mientras que en

el ciclo de plantado, en lugar de que el plantado sea una fraccin del nmero
total de arboles, se escala este valor por un multiplicador que se ajusta por la
densidad de arboles, de acuerdo a la siguiente funcin:
Usando los conocimientos

comportamiento del sistema:
de
simulacin
metal,
determinamos
el
Paso 1.Determinar la naturaleza del comportamiento del ciclo en el

sistema
El ciclo de ventas permanece como un ciclo de realimentacin negativa, sin
embargo el ciclo de plantado tiene un inusual comportamiento debido a la
funcin grfica relacionada.
La fraccin de plantado de 0.30 tiene la tendencia de incrementar
exponencialmente el nmero de rboles plantados (ciclo positivo). La densidad
sin embargo se decrementa en funcin al incremento de arboles (ciclo
negativo), de acuerdo a esto se generan tres posibilidades extremas:
Si el ciclo positivo domina el comportamiento del sistema, la densidad de

arboles crecer a un valor de 1.2 arboles/ metro cuadrado y la tasa de
plantado ser cero. Esto significa que se puede descontar la posibilidad de
que el ciclo positivo genere crecimiento exponencial ya que no puede haber
crecimiento si la tasa de plantado es cero.
Si el ciclo negativo domina el comportamiento del sistema. Esto puede
causar un comportamiento asinttico y permitir que el inventario de arboles
llegue al nivel deseado. Desafortunadamente esto es muy similar a la
estrategia 3, el cual tiene una tasa de plantado inicial muy larga y se quiere
encontrar una estrategia ms ideal. El hecho que la densidad tenga cambios
muy pequeos de hasta 0.6 arboles/metro cuadrado ayuda a que se decida
a que inicialmente haya espacio para un crecimiento exponencial, en otras
palabras el ciclo positivo inicial ser ms fuerte hasta que el valor de la
densidad haga un cambio significante.
El ciclo tiene inicialmente caractersticas de realimentacin positiva, pero la
dominancia se desplazara y el ciclo mostrara caractersticas de
realimentacin negativa, con lo que el resultado ser un comportamiento Sshaped (formacin S).
Este aun es 500 arboles

El valor final del sistema ocurre cuando el sistema esta en equilibrio cuando los
flujos son iguales, de acuerdo a las siguientes ecuaciones:
Plantado = Ventas
(Arboles/ao) = (Arboles/ao)
Fraccin Plantado*Arboles*Multiplicador Densidad(Densidad) = Arboles*fraccin
Venta
(1/ao)*arboles* (Arboles/Arboles) = arboles * (1/ao)

Sustituyendo los nmeros tenemos:
0.30* Arboles* Multiplicador de Densidad(Densidad) = 0.08 * Arboles
Multiplicador de Densidad(Densidad) = (Arboles * 0.08) / (Arboles * 0.30)
Multiplicador de Densidad(Densidad) = 0.08 / 0.30
Multiplicador de Densidad(Densidad) = 0.267
Revisando el grfico de la funcin Multiplicador de Densidad para un valor de
0.267 corresponde una densidad de 0.96 arboles/metro cuadrado, con esta
densidad en una rea de 6000 metros/cuadrados habrn 5800 rboles.
6,000
2,000
3,000
1,000
0
0
0
10
12
Time (Month)
14
16
18
20
Arboles
Plantado
Ventas
Satisfechos con la simulacin se decide implementar la ultima estrategia para el

negocio.
4.5. Ejemplo de formulacin

En base a los submodelos causales, resultado de la etapa de conceptualizacin en
el capitulo anterior, se diagrama el modelo flujo-nivel siguiente:
Software Vensim
Tasa de contacto
Prevalencia
Tasa de infeccion
Poblacion con
IRAs sin
neumonia
Infeccion
Complicacion
Curacion sin
tratamiento
Tasa de curacion
Poblacion
IRAs con
neumonia
Curacion con
tratamiento
Tasa de
tratamiento
Muertes por
neumonia
Tasa de
complicacion
Tasa muertes por

neumonia
Poblacion
infantil
Nacimientos
Muertes
Tasa de natalidad
Cobertura de
salud
Razon porcentual
camas hospitalarias
Incidencia de pobreza
en educacion
Tasa de
mortalidad
hogares sin
servicios basicos
Acceso familiar
Personal medico
Camas
Hospitalarias
Incidencia de pobreza y
servicios basicos
Tasa porcentual
falencia de recursos
razon porcentual de
personal en salud
hogares con bajo

logro educativo
Tasa de poblacion
atendida en centros de
salud
No acceso a
medicamentos
Incidencia de
pobreza en salud
Numero de
hogares
Hogares sin acceso

a salud
Software I-Think
Tasa de contacto
Tasa de tratamiento
Tasa de inf eccion
Prev alencia
Poblacion IRAs sin neumonia
Inf eccion
Poblacion IRAs con neumonia
Curacion con
tratamiento
Complicacion
Curacion sin tratamiento
Tasa de complicacion
Tasa de curacion
Muertes por neumonia
tasa muertos por neumonia

Nacimientos
Poblacion Inf antil
Muertes
Hogares con bajo logro educativ o
Tasa de natalidad
Tasa de mortalidad
en educacion
Acceso f amiliar
Razon porcentual
camas hospitalarias
Personal medico
Camas hospitalarias
Cobertura
de salud
Tasa porcentual
f alencia de recursos
Razon porcentual de
personal en salud
Tasa de poblacion
atendida en
centros de salud
Incidencia de
pobreza en salud
Hogares sin serv icios

basicos
y serv icios basicos
Numero de hogares
no acceso a medicamentos
Hogares sin acceso a salud
Las ecuaciones respectivas son:

Ecuaciones de Nivel:
Poblacin con IRAs sin neumona= INTEG (+Infeccin Complicacin -Curacin sin
tratamiento)
Poblacin infantil= INTEG (+Nacimientos-Muertes)
Poblacin IRAs con neumona= INTEG (+ Complicacin -Curacin con tratamiento-Muertes
por neumona)
Ecuaciones de Flujo:
Complicacin=Poblacin con IRAs sin neumona*Tasa de complicacin
Curacin con tratamiento=Poblacin IRAs con neumona*Tasa de tratamiento
Curacin sin tratamiento=Poblacin con IRAs sin neumona*Tasa de curacin
Infeccin=(Tasa de infeccin*Poblacin infantil)+Prevalencia
Muertes=Poblacin infantil*Tasa de mortalidad
Muertes por neumona=
Poblacin IRAs con neumona*Tasa muertes por neumona
Nacimientos=Poblacin infantil*Tasa de natalidad
Variables Auxiliares:
Tasa de mortalidad=(-Acceso familiar-Muertes por neumona + Cobertura de salud)
Acceso familiar=(Incidencia de pobreza en educacin +Incidencia de pobreza en salud
+Incidencia de pobreza y servicios bsicos)
Cobertura de salud=Tasa de poblacin atendida en centros de salud +Tasa porcentual
falencia de recursos
Incidencia de pobreza en educacin=
hogares)
(hogares con bajo logro educativo/Numero de
Incidencia de pobreza en salud=(Hogares sin acceso a salud/Numero de hogares)

Incidencia de pobreza y servicios bsicos= (hogares sin servicios bsicos/Numero de hogares)
Prevalencia=(Poblacin IRAs con neumona +Poblacin con IRAs sin neumona)*Tasa de
contacto
Razn porcentual camas hospitalarias=(Poblacin infantil/Camas Hospitalarias)
Razn porcentual de personal en salud=(Poblacin infantil/Personal mdico)
Tasa porcentual falencia de recursos=No acceso a medicamentos +Razn porcentual camas
hospitalarias +razn porcentual de personal en salud
Parmetros:1
Camas Hospitalarias= 1468
Hogares con bajo logro educativo= 267310
Hogares sin acceso a salud= 274112
Hogares sin servicios bsicos=
173512
No acceso a medicamentos= 30
Nmero de hogares= 352411
Personal mdico= 3789
Tasa de complicacin=
0.1233
Tasa de contacto= 0.765
Tasa de curacin= 0.8767
Tasa de infeccin= 0.11
Tasa de natalidad= 0.08
Tasa de poblacin atendida en centros de salud= 44.73
Tasa de tratamiento= 0.875
Tasa muertes por neumona= 0.021
Resumen
Originalmente fue dirigido a las ciencias administrativas e ingenieriles, pero
gradualmente se ha desarrollado como una herramienta til en el anlisis de sistemas
sociales, econmicos, fsicos, qumicos, biolgicos y ecolgicos.
van cambiando en el tiempo.
Un modelo de dinmica de sistemas es la representacin de la estructura del sistema,
que le permite generar escenarios de simulacin como una herramienta para tomar
decisiones; alterando un sistema podemos examinar cmo responder a distintas
condiciones.
Las etapas en la modelacin de sistemas son 4: conceptualizacin, formulacin,
prueba e implementacin.
En conceptualizacin, el modelador debe determinar el propsito del modelo, sus
El propsito de un modelo normalmente se enmarca para clarificar el conocimiento y
entendimiento del sistema, descubrir polticas que mejoraran el comportamiento del
sistema, capturar modelos mentales y servir como un medio de comunicacin y
unificacin.
La frontera del modelo contiene todos los componentes presentes en el modelo final,
pues en ella se deber reunir todos los componentes que sean necesarios para crear
un modelo del sistema, luego, para especificar una frontera del modelo, se deber
separar los componentes iniciales en variables endgenas y variables exgenas.

1
Fuente: Instituto Nacional de Estadistica y SNIS-VIG.EPID Cbba.

sistema sobre el tiempo.
comportamiento dinmico del sistema

Sistema,
estructura,
dinmico,
comportamiento,
conceptualizacin, propsito, frontera, modo de referencia.
mecanismos
bsicos,
[1]: Albin, Stephanie & Choudhari, Mark. Generic Structures: First order positive
feedback loops (D-4474-2) An introduction to the generic structure in positive
feedback systems. extraido de Road Maps: A Guide to Learning System Dynamics
[2]: Albin, Stephanie. Generic Structures: First order negative feedback loops (D-44752) An introduction to the generic structure in negative feedback systems. Extraido
de
Road
Maps:
A
Guide
to
Learning
System
Dynamics
[3]: Aracil, Javier & Gordillo. Dinmica de Sistemas. Alianza Universidad Textos, 1999
[4]: Aracil, Javier. Dinmica de Sistemas. ISDEFE, 1995
[5]: Coronado, Alan. Beginner Modeling Exercises Section 4: Mental Simulation: Adding
constant flows (D-4546-2) Simple exercises on introducing a constant flow to
positive and negative feedback systems. Extraido de Road Maps: A Guide to
Learning System Dynamics http://sysdyn.clexchange.org/road-maps/rm-toc.html
[6]: Drew, Donald R. Dinmica de Sistemas Aplicada. ISDEFE, 1995
[7]: Forrester, Jay. Principles of Systems. Productivity Press.1998
[8]: Martn Garca, Juan. Teora y ejercicios prcticos de Dinmica de Sistemas.
Barcelona (Espaa). 2006
[9]: Stanley, Laughton & Zhu, Helen. Beginner Modeling Exercises Section 5: Mental
simulation of Combining Feedbacks in First-Order Systems (D-4593-2) Simple
exercises on systems producing S-shaped growth. Extraido de Road Maps: A
Guide to Learning System Dynamics http://sysdyn.clexchange.org/road-maps/rmtoc.html
[10]:Whelan, Joseph. Beginner Modeling Exercises Section 2: Mental simulation of
Positive Feedback (D-4487) Simple exercises on positive feedback systems.
Extraido de Road Maps: A Guide to Learning System Dynamics
[11]:Zhu, Helen. Beginner Modeling Exercises Section 3: Mental simulation of Negative
Feedback (D-4536-2) Simple exercises on negative feedback systems. Extraido de
Road
Maps:
A
Guide
to
Learning
System
Dynamics

Dinamica de Sistemas

Cargado por

Copyright:

Formatos disponibles

Dinamica de Sistemas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Dinamica de Sistemas

Cargado por

Copyright:

Formatos disponibles

El texto que se presenta, es el resultado de aos de experiencia en la enseanza de

los temas relacionados con la Dinmica de Sistemas. Esta experiencia ha ido

conseguir una imagen clara de cmo funcionan algunas cosas de su entorno,

1.2. Enfoque Sistmico

permite describir, mientras que la sntesis genera comprensin, lo que nos

relacionados entre s: nmero de habitantes, nmero de coches, precio de la

1.4. Sistemas Complejos

planteado. Una definicin muy aceptada es que un modelo es la interpretacin

Puede expresarse en ecuaciones matemticas, smbolos o palabras, pero en

Trminos y conceptos clave

Pensar en trminos de relaciones causa efecto.

2.2. Aspectos para la modelacin causal

Por otro lado, si a un aumento/disminucin

Anlogas consideraciones se hacen cuando un parmetro afecta negativamente a una

Inventario de bienes Terminados

2.2.2.Centrarse en las relaciones

Si A aumenta, inmediatamente B aumentar, ocasionndose entonces un

El ejemplo muestra lo que sucede en una cuenta bancaria tpica. El Capital en la

incrementa la accin y la accin incrementa al estado actual. El estado actual entonces

Cuando en una secuencia de realimentacin solo hay signos positivos, el ciclo

Crecimiento Exponencial. Son los sistemas que poseen un ciclo positivo.

Comportamiento en bsqueda de Metas. Son los sistemas que tienen un

Comportamiento en forma de S (S-shaped). Son sistemas en los cuales

Oscilaciones. Para que un sistema muestre un comportamiento oscilante

2.2.3. Determinar los lmites apropiados para decidir los elementos a

2.2.4.Elegir adecuadamente las unidades de tiempo y retardo

o La finalidad del estudio

2.3. Patologas (arquetipos sistmicos)

Un sistema que basa sus objetivos en la realidad, y nicamente pretende mejorarla

El planteamiento de polticas en los casos de un sistema adictivo es difcil ya que las

2.3.4.Adiccin con paso de la carga al factor externo

Apoyarse en un factor externo para situar el sistema en nuestra posicin deseada no

2.3.5.Efectos a corto y a largo plazo

En general se presta atencin a los componentes del sistema y a su comportamiento a

2.3.6.Lmites del crecimiento

Identificar y remover, si es posible, la restriccin al crecimiento (ciclo positivo) permite

2.3.7.xito para el que tiene xito

Hay que buscar la meta abarcadora de logro equilibrado de ambas opciones. En

2.3.9.Tragedia del territorio comn

La interaccin entre los individuos en presencia de un bien comn puede producir el

2.3.10. Crecimiento y sub inversin

Si hay un potencial genuino para el crecimiento, hay que construir capacidad

2.4. Conexiones entre arquetipos

En un modelo causal aparecen formalizados los elementos del sistema y se establecen

Trminos y conceptos clave

3.2. Dinmica de Sistemas

Un modelo de dinmica de sistemas permite generar escenarios de simulacin como

3.3. Definiciones de dinmica de sistemas

Es una tcnica de uso generalizado para modelar y estudiar el

3.4. Etapas de modelacin de dinmica de sistemas

La siguiente grafica nos muestra el carcter iterativo de las etapas mencionadas:

3.5. Conceptualizacin de modelos DS

3.5.1.Propsito del modelo

Para clarificar el conocimiento y entendimiento del sistema.

Si consideramos por ejemplo las infecciones respiratorias agudas, el propsito del

3.5.2.Frontera del modelo

Los componentes deben ser los necesarios. El modelador configura la

Curacin con tratamiento