You are on page 1of 44

Dinmica de Sistemas

Elementos y estructura de un modelo.


Construyendo modelos

Profesor: Javier Torrealdea


Ciencias de la Computacin e Inteligencia Artificial

Elementos y estructura de un modelo de Dinmica de Sistemas


Introduccin
Dinmica de Sistemas es un nombre propio que designa un determinado mtodo
de construccin de modelos de sistemas sociales susceptibles de ser simulados por
ordenador. El origen de esta tcnica se remonta a finales de los aos cincuenta y su
implantacin definitiva se produce durante la dcada de los sesenta. El desarrollo de este
mtodo se debe al trabajo de J. W. Forrester del Instituto Tecnolgico de Massachussets,
el cual por primera vez utiliz tcnicas pertenecientes a las disciplinas de ingeniera
automtica para el estudio de procesos sociales y econmicos. Forrester construy un
puente entre los mtodos empleados por los ingenieros en problemas tecnolgicos y los
mtodos especficos de estudio de sistemas sociales. Al igual que ocurre en la
automtica, la bsqueda de los lazos de realimentacin que operan dentro de un sistema
y la forma en que estos determinan el comportamiento dinmico del mismo constituye la
piedra angular sobre la que descansa la Dinmica de Sistemas.
Un aspecto notable del mtodo es su enorme capacidad descriptiva. Los modelos
se representan mediante unos diagramas conocidos como diagramas de flujo. Un
diagrama de flujo es una descripcin grfica del sistema en estudio construida de
acuerdo a unas determinadas reglas. La claridad de estos diagramas en cuanto
representacin de la estructura global del sistema y de las relaciones entre las variables
que lo constituyen es tan sorprendente que los modelos pueden ser presentados a no
especialistas y ser inmediatamente entendidos. Ello hace posible su crtica y una
confianza o desconfianza en los modelos fundamentada en un conocimiento completo
de las hiptesis utilizadas en su construccin. Aspecto este nada desdeable por cuanto,
a menudo, aceptar la simulacin por ordenador como medio para conocer la realidad
suele ser ms un tema de fe ciega depositada en los modelistas que de anlisis racional
de unos modelos que resultan completamente inaccesibles a la mayor parte de los
estudiosos.
En los mbitos en los que la Dinmica de Sistemas intenta construir modelos de
funcionamiento no suele haber leyes de comportamiento perfectamente establecidas.
Los sistemas objeto de su estudio no estn descritos por leyes matemticas de carcter
cuantitativo preciso y aceptadas unnimemente por la comunidad cientfica. En estos
sistemas s que hay expertos que conocen bien aquello con lo que trabajan, pero no
siempre hay unanimidad de criterio entre los propios expertos. Es de notar, por otra
parte, que el reino de las matemticas es tremendamente limitado dentro del espectro
total del conocimiento. De hecho, la matemtica slo aparece en todo su esplendor
dentro de las regiones ms profundas de la fsica terica.
No obstante, para que la Dinmica de Sistemas decida ocuparse de un problema,
se requiere que, aun cuando no se conozcan leyes precisas que lo describan, los
elementos que integran el sistema problemtico posean atributos cuantificables y puedan
llegar a ser establecidas relaciones funcionales de naturaleza cuantitativa entre dichos
atributos. As, con esta tcnica, se han realizado aportaciones de inters en terrenos tan
diversos como biologa, economa, gestin empresarial, urbanismo, psicologa y muchos
otros.

La simulacin por ordenador requiere dos tipos de actividad diferentes. La primera


de ellas es la construccin del modelo, se trata de la fase de modelado. La segunda tarea
consiste en la introduccin del modelo en el ordenador y en la explotacin del mismo de
acuerdo con los objetivos que indicaron su construccin. Se trata de la fase de
simulacin propiamente dicha. Aunque ambas fases estn siempre presentes en todo
proceso de simulacin por ordenador, deseamos destacar una importante diferencia
relativa al nfasis, a la importancia que se le asigna a cada una de estas dos fases, en
funcin de los intereses concretos del investigador que recurre a la simulacin por
ordenador.
Pues bien, el modelador proveniente de disciplinas tecnolgicas pone el nfasis en
la segunda fase, en la ejecucin y explotacin del modelo. Este modelador construye
modelos, no porque necesite el modelo, sino porque necesita ver que es lo que resulta en
el ordenador. Para l, el modelo no supone ninguna aportacin nueva al conocimiento.
De hecho, conoca con toda precisin el modelo a utilizar antes de construirlo, conoca
sus elementos constituyentes y las leyes precisas de interaccin entre esos elementos. Lo
que no poda hacer, sin ayuda del ordenador, era obtener la informacin cuantitativa
precisa que de dichas leyes se infiere. Su inters es, precisamente, esa informacin
exacta y ha recurrido al ordenador bien por la dificultad tcnica de encontrar una
solucin analtica de su problema o bien porque encontrarla manualmente le hubiese
llevado un tiempo desmedido. El nfasis, pues, est en la simulacin, y en la simulacin
cuantitativa precisa. El modelo en s no ha aportado conocimiento porque las leyes eran
ya conocidas, se dispona ya de una teora definida. La construccin del modelo ha
podido requerir, que duda cabe, una gran destreza y habilidad por parte del modelador
pero ningn conocimiento realmente nuevo ha aportado el modelo en s.
Por el contrario, el modelador que trabaja con Dinmica de Sistemas tiene para
con los modelos que produce una relacin diametralmente opuesta. Es obvio que
construye modelos para ser simulados por ordenador, pero esto no es lo ms importante
o, al menos, no es lo nico importante. El modelador se encuentra con un problema
perteneciente a un dominio poco estructurado. No existen leyes universalmente
aceptadas sobre como funciona el sistema en el que se encuadra el problema en estudio.
No se sabe con seguridad siquiera cules son los elementos de inters ni como estn
relacionados entre s. Para poder avanzar rene expertos en el tema y trata de unificar
criterios, trata de llegar a hiptesis consensuadas con las que construir el modelo. A
continuacin introduce el modelo en el ordenador y ste establece las consecuencias
dinmicas de las hiptesis utilizadas. Esto es nada ms, y tampoco nada menos lo que
muestra una ejecucin de simulacin. Muestra el resultado de unas hiptesis, las
consecuencias dinmicas de las opiniones de expertos en el sistema bajo estudio. La
mente humana es buena para establecer relaciones estructurales pero lo es menos para
seguir las implicaciones dinmicas de tales relaciones. As, constantemente podemos
observar como expertos en una determinada materia, coincidiendo en las hiptesis de
partida no estn de acuerdo en las consecuencias de dichas hiptesis. El ordenador es
bueno en esta tarea, determina las consecuencias de unas hiptesis de partida con
unicidad.
Hay, por lo tanto, un gran nfasis en la construccin del modelo. Un modelo
terminado supone un conocimiento que previamente no exista. Supone el
descubrimiento de una especie de teora de funcionamiento del sistema en estudio. Por
lo tanto, la Dinmica de Sistemas es, antes que nada, un mtodo de construccin de

modelos. Una vez construido el modelo, al simularlo en el ordenador, no se estar


interesado en una respuesta cuantitativa precisa. La bsqueda de valores precisos de las
variables no sera consistente ni con la realidad de los sistemas con los que
habitualmente se trabaja ni con la filosofa general subyacente en la construccin del
modelo. La informacin que se busca es ms bien de tipo cualitativo tal como
tendencias al crecimiento o decrecimiento, al equilibrio o la fluctuacin y,
especialmente, si cabe esperar y de qu pueden depender modificaciones radicales de
estas tendencias.
El acuerdo entre expertos que es necesario para construir un modelo posee otra
dimensin de gran dificultad. La vida es infinitamente rica en interacciones, detalles y
matizaciones que confluyen en una determinada situacin conflictiva. Un modelo de
Dinmica de Sistemas se construye para arrojar alguna luz sobre los motivos de un
comportamiento anmalo o simplemente, no siendo anmalo, sobre el que desearamos
actuar o comprender. De la multitud potencialmente infinita de implicaciones que
pueden confluir sobre nuestro problema debemos seleccionar un conjunto que sea
manejable y que sea responsable en lo fundamental del comportamiento en cuestin. O
dicho en otras palabras, debemos extender nuestro consenso no solo a las hiptesis
introducidas sino tambin a la suficiencia de las mismas, teniendo presente que
necesariamente infinidad de posibles implicaciones debern quedar fuera de nuestro
modelo. Este es uno de los trabajos ms delicados que debe realizar el modelador y
significa que debe abordarse con gran tiento la tarea de definir el propsito del modelo y
la frontera del mismo. A menudo se critican modelos porque no pueden dar cuenta de
aspectos para los que no fueron construidos. No estar de ms insistir en que no se
puede evaluar un modelo mas que con referencia al propsito para el que ha sido
construido. No podemos simplemente en abstracto decir que un modelo es bueno o es
malo. La tarea ms importante del modelador es definir con precisin el problema que
pretende ser abordado por el modelo. En palabras de Forrester:
" La habilidad de la persona que decide usar un modelo se manifiesta
inmediatamente. Su primera decisin es hacer preguntas pertinentes que tengan
respuestas de inters. Las preguntas triviales no pueden menos que conducir a
respuestas triviales. Las preguntas que son demasiado generales no sirven para centrar
el problema. Las preguntas que son demasiado restrictivas pueden confinar la
investigacin en regiones que no contienen ninguna respuesta. Las preguntas que son
imposibles de contestar solo pueden conducir a desencanto".

Elementos y estructura de un modelo


En esta seccin presentamos cmo es la estructura de un modelo de Dinmica de
Sistemas. En el primer apartado se hace una presentacin somera de los componentes de
un modelo la cual se complementa, en el segundo apartado, con un comentario sobre su
global.
Diagramas causales
Los primeros estadios de la conceptualizacin de un modelo requieren definir el
propsito del mismo. En funcin de ello hay decidir qu elementos han de ser tomados
en consideracin y cules de entre ellos estn relacionados de forma que lo que ocurre
en uno afecta de manera inmediata al otro. Por cuanto nuestro inters se centra en la
4

variacin en el tiempo del valor cuantitativo atribuido a cada elemento (variable), las
influencias buscadas son las que su manifestacin consista en que una variable aumente
o disminuya en funcin de que otra, de la cual depende, experimente algn tipo de
variacin. Una forma natural de representar elementos y relaciones es mediante un grafo
orientado. A veces, cuando el sentido de la influencia es conocido, se suele incluir un
signo ms o un signo menos que hace alusin a una influencia del mismo sentido o de
sentido opuesto segn el caso. Por ejemplo, si la densidad de coches aumenta o
disminuye cabe esperar que el numero de accidentes tambin aumente o disminuya
respectivamente. Existe, por tanto, una influencia en el mismo sentido. Por el contrario,
las ventas de coches seguramente dependern del precio de los mismos pero la
influencia ser esta vez de sentido opuesto.

Densidad de coches

Accidentes

Precio

Ventas de coches

Fig.1. Dependencia causal entre variables

Establecer un grafo en el que aparezcan representados todos los elementos que


componen el modelo junto con sus relaciones supone un paso importante en la
definicin de la estructura del mismo. Un grafo de esas caractersticas se conoce como
diagrama causal o de influencias. No obstante, metodolgicamente no es recomendable
la construccin de un diagrama causal exhaustivo como primera fase en la construccin
de un modelo aun cuando diagramas parciales o globales a alto nivel jerrquico puedan
ser buenos como mecanismo de ayuda a la conceptualizacin. Sin embargo, de cara a
facilitar la comprensin de las hiptesis introducidas en el modelo, es de gran ayuda
disponer de un diagrama causal exhaustivo para la presentacin del mismo a un pblico
interesado. Dicho diagrama causal siempre puede deducirse sin dificultad una vez
finalizada la construccin del modelo.
Lazos realimentados
El tipo de problemas en los que habitualmente trabaja la Dinmica de Sistemas se
caracteriza porque en stos siempre aparecen relaciones causales estructuradas en bucles
cerrados. Ello no es sorprendente por cuanto detrs de un bucle cerrado de relaciones
causales subyace el principio filosfico de que nada se hace impunemente. Una accin
ejecutada por o sobre un elemento del bucle se propaga por el mismo de manera que
tarde o temprano esa accin repercute sobre sus propios valores futuros. Esto es habitual
en las organizaciones en las que el hombre es una parte ms de las mismas, las cuales
constituyen en buena medida nuestro principal objeto de estudio. Conviene distinguir
dos tipos de lazos realimentados, lazos positivos y negativos. Positivos son aquellos en
los que una variacin en un elemento se ve reforzada por las influencias mutuas entre
los elementos. Por el contrario, en los lazos negativos una variacin en cualquiera de sus

elementos tiende a ser contrarrestada por las influencias en sentido contrario que se
generan en el lazo. La figura 2 muestra un ejemplo de ambos tipos de lazo.

Poblacin

Poblacin
+

+
nacimientos

muertes
Fig.2. Lazos positivo y negativo

Es importante notar que dinmicamente un lazo positivo tiende a producir


situaciones de crecimiento o decrecimiento ilimitado, mientras que un lazo negativo
tiende a producir equilibrio. Desde el punto de vista de la causalidad un modelo est
siempre estructurado como un conjunto de lazos positivos y negativos interconectados
entre s. El comportamiento dinmico del mismo depender de cmo se vaya
produciendo la alternancia en el dominio entre la tendencia a crecer o decrecer de los
unos y la tendencia al equilibrio de los otros.
Tipos de variables
Distinguiremos tres tipos de variables en funcin de su propio cometido en el
modelo. Variables de nivel, variables de flujo y variables auxiliares.
Los niveles suponen la acumulacin en el tiempo de una cierta magnitud. Son las
variables de estado del sistema, en cuanto que los valores que toman determinan la
situacin en la que se encuentra el mismo.
Los flujos expresan de manera explicita la variacin por unidad de tiempo de los
niveles. No es siempre inmediato decidir cul de los tres tipos ser el apropiado para
representar a un elemento determinado del sistema real en estudio. Pensar en un cierto
nivel de agua y en un grifo que lo abastece es una buena metfora para mejor
comprender los significados respectivos de estos dos tipos de variable.
Las variables auxiliares son, como su nombre indica, variables de ayuda en el
modelo. Su papel auxiliar consiste en colaborar en la definicin de las variables de flujo
y en documentar el modelo hacindolo ms comprensible.
Adems de las variables reseadas, en todo modelo habr tambin parmetros, o
sea, variables que se mantienen constantes durante todo el horizonte temporal de
ejecucin del modelo.
Organizacin de las variables y parmetros. Representacin grfica

Toda variable de nivel va unida a una o ms variables de flujo las cuales son
responsables de la variacin de la primera. De hecho, un nivel slo cambia en cuanto se
llena o vaca por los flujos que le afectan. Dejaremos que sean las figuras las que
muestren al lector la representacin grfica de los componentes de un diagrama de flujo.

Nivel

Contratacin

Flujo

Parmetro 2

Auxiliar

Tiempo de
contratacin

Profesores

Diferencia

Parmetro 1

Profesores
necesarios

Fig.3. Organizacin de las variables de Nivel y Flujo en un diagrama

En la figura 3 puede verse un diagrama de flujo en abstracto y un ejemplo de un


posible fragmento de modelo concreto con idntica estructura. En l aparece una
variable de nivel junto con una variable de flujo que lo llena. Matemticamente la
variable de flujo supone la variacin por unidad de tiempo del nivel y se representa con
un cierto aspecto de vlvula que est controlando el fluir de la magnitud que se acumula
en el nivel. Su valor se establece en funcin de una variable auxiliar y de un parmetro.
A su vez, la variable auxiliar depende del nivel y de otro parmetro. Las lneas de
informacin representan la direccin de las relaciones de dependencia entre las
variables.
En todo sistema dinmico autnomo, la variacin de sus estados depende de los
valores en que se encuentran dichos estados. Resulta pues natural que un modelo
mantenga la siguiente organizacin:
I.
Las lneas de informacin tienen siempre como punto de partida
inicial los niveles o los parmetros (al fin y al cabo un parmetro no tiene otra
misin que la de informar de su valor) y como punto de destino final los flujos.
Dicho de otra manera, las variables de flujo son funcin de los niveles y de los
parmetros.
II.
Las variables auxiliares forman parte de los caminos de
informacin. De hecho, usualmente aparecern variables auxiliares entre la
informacin que arranca en los niveles y su destino final en los flujos. Estas
variables van configurando la funcin que finalmente definir a un flujo, de
manera que documentan en forma comprensible cada paso en el tratamiento de la
informacin que determina la definicin de la variable de flujo.

III.
Por lo dicho, no tiene sentido un bucle cerrado construido
nicamente con variables auxiliares. En todo lazo cerrado debe de aparecer un
nivel y, en consecuencia, al menos un flujo.
IV.
Cuando un sistema no sea autnomo, es decir, cuando existan
variables exgenas influyendo en el comportamiento del mismo, una o ms
lneas de informacin podrn evidentemente, y excepcionalmente, tener su
origen en una variable auxiliar. Si as no fuera, la variable exgena no podra
influir de ninguna manera en el modelo.
La figura 4 muestra cuatro diagramas, tres de ellos incorrectos, con los que se
pretende ilustrar las ideas comentadas.
El diagrama a) es correcto. En el diagrama b) la informacin se genera en el flujo
para terminar en el nivel lo cual es incorrecto. Podramos aceptar como posible la toma
de informacin desde un flujo. Si bien no es prctica recomendable, cabe pensar que el
valor de un flujo pueda interesar en otra parte del sistema. No obstante, el hecho de
informar a un nivel es algo carente de sentido puesto que un nivel no es un punto de
toma de decisiones. Un nivel solo se ve afectado por la entrada o salida en el mismo de
un flujo real de una magnitud que le hace aumentar o disminuir segn el caso. El
diagrama c) es completamente absurdo. Un flujo llenando una variable auxiliar es un
dibujo humorstico para una persona familiarizada con los diagramas de Forrester. Es
algo as como una manguera llenando de gasolina el medidor en lugar del depsito. El
diagrama d) supone un circulo vicioso que slo es posible cuando se verifique la
igualdad entre todas las variables. No puede configurarse un lazo realimentado slo con
variables auxiliares.

Nivel
Flujo

Parmetro 2

Auxiliar

Parmetro 1
(a)

Nivel
Flujo

Parmetro

(b)

Auxiliar

Nivel
Flujo 2

Flujo 1
(c)

Auxiliar1
Auxiliar 2
(d)

Auxiliar 3

Fig. 4. Algunos errores posibles en el diagrama de flujo, (a) es correcto.

Subsistemas conservativos
En un modelo hay que atribuir dimensiones a sus variables de manera que todas
ellas se midan en unas determinadas unidades de medida. Si los niveles se miden en

unas ciertas unidades, sus flujos asociados debern medirse en esas mismas unidades
partido tiempo.
Una organizacin tpica es aquella en la que un flujo est ligado a dos niveles de
manera que acta como una vlvula de paso entre los mismos. Lo que sale de uno de
ellos entra en el otro. Pues bien, una regla fundamental de construccin de diagramas de
flujo exige que no puedan mezclarse distintas unidades. De esta manera los niveles se
asocian entre s en cascada o en paralelo formando estructuras por las que solo circula el
mismo tipo de unidades bajo el control de flujos que se miden en esas mismas unidades
por unidad de tiempo. Esas estructuras son conservativas en el sentido de que si
incluimos en el balance los sumideros y las fuentes la cantidad total de la magnitud
acumulada en las mismas se conserva. La figura 5 muestra un par de subsistemas
conservativos. Ntese que los subsistemas conservativos estn por su propia naturaleza
aislados unos de otros. La nica conexin posible entre ellos, y, adems, necesaria, es a
travs de lneas de informacin que conecten niveles de un subsistema con flujos del
otro.

( personas/mes)
Contratacin
( personas)

( unidades/persona*mes)

Personal en
formacin

Aprendizaje

Productividad

Material
bruto

( unidades)

( personas/mes)
produccin
( unidades/mes)

( personas)

Personal
produciendo

Despidos

Material
elaborado

( personas/mes)

( unidades)

Fig.5. Dos subsistemas conservativos unidos por lneas de informacin

Ecuaciones
Todas las relaciones entre las variables deben ser explcitamente cuantificadas. La
forma ms frecuente de establecer la relacin entre dos variables es mediante una
expresin analtica que proporciona la funcin que relaciona ambas variables. Poco ms
10

puede decirse en abstracto a cerca de las ecuaciones por cuanto dependern muy
especficamente de cada situacin particular. Conviene, no obstante, hacer un mnimo
comentario referente a cada tipo de variable.
Las ecuaciones de variables auxiliares pueden adoptar cualquier forma analtica
si bien, por su propia naturaleza de variables aadidas para simplificar la descripcin, no
tienen porque ser expresiones complicadas. Muchas veces no conoceremos la relacin
algebraica precisa pero podremos tener un conocimiento expresable mediante una
grfica. Esta grfica se traducir en una tabla en el momento de su implementacin.
Esta forma de establecer dependencias es muy til cuando nuestro conocimiento de la
relacin entre dos variables auxiliares tiene un carcter experimental y, tambin, cuando
desconociendo la naturaleza exacta de la relacin deseamos introducir hiptesis
plausibles para la misma.

Poblacin
euskaldun

Porcentaje
uso
euskara

Relacin
poblacin
euskaldn
Poblacin total

Tabla con los


valores
Graph Lookup - Tabla con los valores
100

0
0

Fig. 6. Una ecuacin auxiliar implementada mediante una tabla de valores.

Las ecuaciones ms problemticas de decidir siempre son las correspondientes a


algunos flujos. En particular a aquellos que definen las polticas del sistema. Tngase en
cuenta que los cambios en el estado del sistema corresponden a los flujos. Por ello, los
flujos son los puntos del modelo donde se plasman las decisiones importantes. Cul va a

11

ser la poltica de contratacin, cul la de incremento de la inversin, de que dependen


los contagios, son ejemplos de flujos tpicos. Una buena parte del esfuerzo de
construccin del modelo deber dedicarse a la determinacin de estos flujos.
Las ecuaciones correspondientes a los niveles son siempre iguales. Un nivel es
siempre y por definicin la integracin de todos los flujos que le afectan. Tal es as, que
estas ecuaciones pueden ser escritas automticamente por la mquina si se dispone del
compilador adecuado.
De esta manera, una vez establecidas todas las relaciones, si especificamos los
valores que inicialmente tienen los niveles y atribuimos valores a los parmetros
dispondremos de un conjunto de ecuaciones que el ordenador integrar numricamente
para proporcionarnos la evolucin temporal de las variables. Dicho conjunto de
ecuaciones es el modelo matemtico propiamente dicho. Existen compiladores de
simulacin especficos de Dinmica de Sistemas.

Resumen
Un modelo de Dinmica de Sistemas es en ltima instancia un conjunto de
ecuaciones diferenciales ordinarias de primer orden. En cualquier caso, el modelador sin
formacin especfica no tiene por qu reconocer el modelo matemtico subyacente. El
esfuerzo del mtodo se centra precisamente en servir de intermediario entre el mundo
real y la representacin matemtica del mismo que el ordenador va a utilizar para
calcular las evoluciones temporales que consideremos de inters.
Situados en la perspectiva del modelista, su primera tarea consiste en determinar
cules son los elementos que integran el modelo de acuerdo con los objetivos
establecidos y decidir cules de ellos estn relacionados entre s. En esta tarea puede ser
de ayuda ir construyendo un diagrama que muestre los elementos e ir especificando
aquellos que estn relacionados entre s. Un diagrama de estas caractersticas se conoce
como diagrama causal. En un diagrama causal la naturaleza de la relacin entre los
elementos no est todava explicitada, se trata de una fase inicial en la conceptualizacin
del modelo en la que se establece qu elementos pueden estar directamente relacionados
y cules no. Simultneamente, no despus de terminar el diagrama causal, se debe
iniciar la clasificacin de las variables que aparecen en el modelo. De acuerdo con las
reglas de modelado de Dinmica de Sistemas hay dos tipos importantes de variables que
deben ser discernidas. Las variables de estado del sistema, llamadas niveles y las
variables responsables del cambio de las variables de estado, llamadas flujos. El
modelador debe de encajar los niveles con los flujos responsables del cambio de los
mismos construyendo subsistemas por los que circula un flujo continuo de una misma
materia desde un nivel a otro o entre un nivel y un sumidero o fuente. A estos
subsistemas, en los que la variacin en un nivel se produce a expensas de una variacin
opuesta en otro nivel la cul est regulada por flujos que a modo de vlvulas controlan el
fluir de una magnitud entre niveles, les llamamos subsistemas conservativos. El
modelador debe, adems, buscar los lazos de realimentacin que definen los valores de
las variables de flujo en funcin de los niveles y las tomas de informacin que
relacionan entre s los diversos subsistemas conservativos del modelo. A continuacin
debe de precisar las relaciones entre las variables las cuales se establecern mediante
ecuaciones o relaciones funcionales de naturaleza experimental o hipottica. Las

12

ecuaciones para los niveles resultan inmediatas de establecer por cuanto suponen la
integracin de los flujos que les afectan a partir de un determinado valor inicial. Para
escribir las ecuaciones de los flujos el modelista se valdr de ecuaciones auxiliares con
idea de documentar la dependencia de los flujos respecto de los niveles. Debern,
tambin, especificarse valores de los parmetros.

Bibliografa
Business Dynamics
John D. Sterman, MacGraw-Hill, 2000.
Modelling the Environment
Andrew Ford, Island Press, 1999.
Introduction to computer simulation: a system dynamics modelling approach
N. Roberts et al., Addison Wesley, 1983.
Dinmica de Sistemas
J. Aracil y A. Gordillo, Alianza Universidad, 1997.
World Dynamics
J.W. Forrester-Mit Press, 1974.
Software project dynamics; an integrated approach
T.Abdel-Hamid y S.E. Madnick-Prentice Hall 1991.
Software para Dinmica de Sistemas: Vensim
Ventana Systems,Inc., Harvard, Massachusetts.

13

Construyendo modelos

Ejercicio 1
Construye un diagrama de flujo (representacin de Forrester) y escribe ecuaciones que
se ajusten al contenido semntico que representa cada uno de los siguientes diagramas
causales. Simula cada modelo pero, antes de ver el resultado, dibuja en una hoja de
papel lo que esperas que ocurra. Familiarzate con Vensim.

a)

precio
+
+
cambio en el precio
+
tasa de inflacin

b)

temperatura habitacin
temperatura caf
-

+
diferencia de temperaturas

+
cambio temperatura
+

constante caf

14

c)

alimento normal per cpita

tasa de mortalidad
-

disponibilidad de alimento
muertes

+
-

+ alimento per cpita

poblacin

produccin anual de alimento


+
nacimientos
+

tasa de nacimiento

Ejercicio 2
Mientras haya oportunidades de empleo en un ncleo urbano gente se ve atrada hacia el
lugar. El crecimiento de la poblacin, debido a la inmigracin, tiende a producir un
incremento en el volumen de negocios dentro del rea. La expansin econmica
adicional crea oportunidades de empleo adicionales.
Mientras dura el crecimiento econmico, el crecimiento de la poblacin tiende a
producir un crecimiento de casas a ritmo elevado para poder acomodar a toda la
poblacin. Suponiendo que slo se dispone de una extensin fija de terreno para uso
comercial y de viviendas el incremento de casas y locales comerciales hace que
disminuya el terreno para la posible expansin comercial del rea. Conforme la falta de
terreno comienza a dificultar el crecimiento, las oportunidades de empleo disminuyen.
La disminucin de oportunidades de empleo detiene la inmigracin y el incremento de la
poblacin se frena.
Se pide:
Medita y construye un diagrama de flujo y ecuaciones. Dibuja la evolucin temporal
esperable.

15

Ejercicio 3

Se trata de estudiar la conservacin de una determinada poblacin de ballenas sometida


a una extincin importante por accin de la pesca. Si la poblacin se encuentra por
debajo de un cierto umbral se tiene una situacin de subpoblacin. En esas condiciones
las tasas de nacimiento bajan debido a que por la falta de densidad es difcil que se
encuentren parejas, falta de proteccin para las cras etc.
Si la poblacin se encuentra por encima de otro umbral mximo se tiene una situacin
de superpoblacin que determina problemas de densidad relativamente elevada, por lo
que los nacimientos totales tienden a estabilizarse mientras que las tasas de mortalidad
tienden a aumentar.
Se supone que la mortalidad debida a la pesca es proporcional a la poblacin total, pero
que debido al aumento de eficacia en la tecnologa pesquera los sistemas de deteccin
cada vez ms sofisticados pueden ir aumentando la constante de proporcionalidad.

Se pide:

Qu salida esperas obtener del ordenador? Dibjala.

1. Diagrama de flujo y ecuaciones. Se supone que podrs acceder a la


informacin que necesites. No obstante, a falta de informacin exacta
procura inventarte unos valores razonables para los parmetros que necesites.

2. Si un ao especialmente adverso muriesen un numero importante de


ballenas, sea por motivos naturales o por fortuna de la flota pesquera, qu
pasara? Dibjalo y comprubalo en la mquina.

16

Ejercicio 3. Ballenas

Densidad de referencia
nacimientosfun

muertesfun

Densidad relativa
Efecto en muertes

Efecto en nacimientos

Extension

Densidad

Tasa de nacimientos

Tasa de muertes

Tasa normal nacimientos

Tasa normal muertes


Ballenas
Nacimientos

Muertes
Catastrofe

Ballenasini

Pesca

Constante de pesca

activador pesca

Graph for Ballenas


4M
123 12

3M

3
3

1 2

2M

1M

1
1

1880

Ballenas : pesca08
Ballenas : pesca06
Ballenas : pesca03

1910
1940
Time (aos)
1
2

1
2

1
2

1
2

1
2

1970

2000
ballenas
ballenas
ballenas

activador pesca=
STEP(1,1870)
Units: **undefined**
Ballenas = INTEG(+Nacimientos-Muertes-Pesca,Ballenasini)

17

0
1850

Units: ballenas
Ballenasini=
3.1821e+006
Units: ballenas
Catastrofe=
(1/TIME STEP)*PULSE(1940,TIME STEP)
Units: ballenas/ao
Constante de pesca=
0.03
Units: uno/ao
Densidad=
Ballenas/Extension
Units: ballenas/(kmetro*kmetro)
Densidad de referencia=
0.01
Units: ballenas/(kmetro*kmetro)
Densidad relativa=
Densidad/Densidad de referencia
Units: adimensional

Efecto en muertes = muertesfun(Densidad relativa)


Units: **undefined**
Efecto en nacimientos = nacimientosfun(Densidad relativa)
Units: **undefined**
Extension=
1e+008
Units: kmetro*kmetro
FINAL TIME = 2000
Units: aos
INITIAL TIME
Units: aos

= 1850

Muertes=
Ballenas*Tasa de muertes+0.4*Ballenas*Catastrofe
Units: ballenas/ao
muertesfun(
[(0,0)(4,5)],(0,1),(0.5,1),(1,1),(2,1),(2.22356,1.09649),(2.41692,1.25),(
2.54985,1.42544),(4,5))
Units: adimensional
Nacimientos = Ballenas*Tasa de nacimientos
Units: ballenas/ao
nacimientosfun(
[(0,0)(4,2)],(0,0.5),(0.108761,0.719298),(0.217523,0.877193),(0.338369,0.964
912

18

),(0.5,1),(2,1),(2.18731,0.982456),(2.3565,0.938596),(2.53776,0.868421
),(2.70695
,0.798246),(4,0.25))
Units: adimensional
Pesca
Units: **undefined**
SAVEPER = 1
Units: aos
Tasa de muertes = Efecto en muertes*Tasa normal muertes
Units: uno/ao
Tasa de nacimientos =Efecto en nacimientos*Tasa normal nacimientos
Units: uno/ao
Tasa normal muertes=
1/70
Units: uno/ao
Tasa normal nacimientos=
1/14
Units: uno/ao
TIME STEP = 0.0625
Units: aos

Graph Lookup - nacimientosfun

Graph Lookup - muertesfun


5

0
0

19

Ejercicio 4
Introduccin de un producto en el mercado
Un distribuidor de un producto mantiene una poltica agresiva de introduccin del
mismo en el mercado. Para ello destina una parte del beneficio de las ventas a
incrementar el nmero de vendedores. Pensemos, por ejemplo, que vende ordenadores a
un determinado precio que suponemos constante y que de cada ordenador vendido una
parte del beneficio se destina a mantener vendedores. En conjunto, si sabemos cul es el
coste de un vendedor y sabemos en un momento dado cuntos son los pedidos totales
que ha recibido la empresa sabremos cul es el nmero indicado de vendedores, es
decir, aquellos que pueden mantenerse de acuerdo al presupuesto de que se dispone para
vendedores. El nmero real de vendedores tiende a ser el de vendedores indicados pero,
por motivos de que hay que contratar a las personas adecuadas, se tarda un tiempo en el
ajuste.
Los pedidos que la empresa consigue dependen, naturalmente, del nmero de
vendedores y de la eficacia en las ventas de estos. Por eficacia en las ventas de un
vendedor entendemos el nmero de pedidos que es capaz de conseguir por unidad de
tiempo. En general la eficacia en las ventas depender de factores tales como la
habilidad del vendedor, la calidad del producto, los precios y la presin de la
competencia etc. No obstante, a efectos de este ejercicio, supondremos todos estos
factores fijos y que determinan una eficacia media idntica para cada vendedor que tan
slo depende del plazo de entrega. El plazo nominal de entrega, y por otra parte
mnimo, es dos meses. En estas condiciones un vendedor puede llegar a conseguir cerca
de 40 pedidos por mes. Conforme el plazo de entrega aumenta los potenciales
compradores irn redirigiendo su compra hacia productos de la competencia. Debe
notarse, y esto es importante, que no se conoce nunca el plazo real de entrega.
Posiblemente se le ha dicho al cliente, y de buena fe, que va a ser dos meses y luego
resulta que son cuatro. Pero, el plazo de entrega que influye en la eficacia en las ventas
no es el plazo real de entrega, sino el plazo conocido. El plazo de entrega se va
conociendo con retraso y es este plazo conocido (el real retrasado) el responsable del
cambio de actitud del potencial comprador.
Conforme los vendedores consiguen pedidos, y en la medida en que no se satisfacen
instantneamente sino con un cierto retraso, estos se acumulan como pedidos
pendientes. La empresa tiene una capacidad lmite de distribucin de 2000 unidades por
mes. Mientras los pedidos a satisfacer por unidad de tiempo no excedan esta capacidad
lmite la empresa podr mantener su retraso nominal de dos meses en la entrega. Si ms
y ms pedidos deben ser satisfechos debido al aumento del nmero de vendedores,
llegar un momento en el que, al no poder suministrar a la velocidad requerida, el plazo
en la entrega aumentar. Este es de hecho el motivo del aumento del plazo, no un
capricho, sino la imposibilidad de dar abasto.
Supondremos un nmero inicial de vendedores igual a 10. Un nmero inicial de pedidos
pendientes igual a 800. La parte del beneficio en ventas que en definitiva se destina a
mantener vendedores 100 Euros. El coste total de un vendedor 2000 Euros/mes. El
tiempo para que el retraso real en la entrega se llegue a conocer 6 meses. El tiempo de
ajuste del nmero de vendedores a los que requiere el mercado 20 meses.

20

Se pide:
Meditar un rato sobre la estructura global que se est describiendo. Qu
comportamiento cabe esperar?
Construye un modelo preciso. Simlalo y estudia cmo se comporta al variar algn
parmetro al que pueda ser sensible.

Introduccin de un producto en el
mercado.

Eficacia

Vendedores

+
+

Pedidos
Lazo positivo
de vendedores

Presupuesto

Lazo negativo de
eficacia
+

Retraso entrega

21

Tiempo de ajuste de vendedores

vendedoresini
<Eficacia en las ventas>

Vendedores
Contratacin

Pedidos
Vendedores indicados
Presupuesto

Lazo positivo de vendedores

Coste por vendedor


Fraccin destinada a vendedores

<Vendedores>

Lazo negativo de eficacia en ventas


Pedidos
Plazo normal
Eficacia en las ventas

Pedidos entrantes
Eficacia tabla
Pedidos salientes

Pedidos
Pendientes

Plazo conocido
Flujo percepcin

Velocidad de entrega
Tiempo de reconocimiento
Plazo de entrega
Entrega tabla
Lmite pendientes

22

50
150
4,000

pedidos/(persona*mes)
personas
pedidos/mes
1

3
1

30
75
2,000

pedidos/(persona*mes)
personas
pedidos/mes

2
2
3

3
3

2
3
2
3

10
0
0

pedidos/(persona*mes)
personas
pedidos/mes

Eficacia en las ventas : Nominal


2
Vendedores : Nominal
3
3
Pedidos : Nominal

16

32
48
Time (meses)

pedidos/(persona*mes)
personas
pedidos/mes

3
1

2
3

pedidos/(persona*mes)
personas
pedidos/mes

64

pedidos/(persona*mes)
2
2
personas
3
pedidos/mes

2
3

30
75
2,000

50
150
4,000

3
2

2
3

3
3

10
0
0

pedidos/(persona*mes)
personas
pedidos/mes

1
1

3
1

16

Eficacia en las ventas : ajustevende 10


2
Vendedores : ajustevende 10
3
3
Pedidos : ajustevende 10

23

32
48
Time (meses)

1
2

1
2

2
3

2
3

64

pedidos/(persona*mes)
2
personas
3
pedidos/mes

15

11.25

2
2
1

Simulation
7.5 Control Paramaters

FINAL TIME = 72
Units: meses

SAVEPER = 0.0625
12 12
Units: meses

2
12

TIME 0STEP = 0.0625


Units:0meses

12

2
1

INITIAL
3.75 TIME = 0
Units: meses

12

12

24

********************************
.eficacia
Plazo conocido : ajustevende 10
********************************

36
Time (meses)
1

Plazo de entrega : ajustevende 10

1
2

48

1
2

1
2

60

1
2

1
2

Eficacia en las ventas = LOOKUP EXTRAPOLATE ( Eficacia tabla , Plazo conocido


/ Plazo normal )
Units: pedidos/(persona*mes)
Eficacia tabla ( [(0,0)-(5,60)],(0,45),(0.513814,42.8873),(1,40),(1.77881,34.6479)
,(2.56129,28.3099),(5,4) )
Units: pedidos/(persona*mes)
Entrega tabla ( [(0,0)-(2,4000)],(0,0),(0.8,1600),(0.92268,1788.73),(1.00515,1901.41)
,(1.18041,1971.83),(1.5,2000),(2,2000) )
Units: pedidos/mes
Flujo percepcin = ( Plazo de entrega - Plazo conocido ) / Tiempo de reconocimiento
Units: meses/mes
Lmite pendientes = 4000
Units: pedidos
Pedidos = Eficacia en las ventas * Vendedores
Units: pedidos/mes
Pedidos entrantes = Pedidos
Units: pedidos/mes
Pedidos Pendientes = INTEG( Pedidos entrantes - Pedidos salientes , 800)
Units: pedidos
Pedidos salientes = Velocidad de entrega
Units: pedidos/mes
Plazo conocido = INTEG( Flujo percepcin , 2)
Units: meses

24

72
meses
meses

Plazo de entrega = Pedidos Pendientes / Velocidad de entrega


Units: meses
Plazo normal = 2
Units: meses
Tiempo de reconocimiento = 6
Units: meses
Velocidad de entrega = Entrega tabla ( Pedidos Pendientes / Lmite pendientes
)
Units: pedidos/mes
********************************
.Vendedor
********************************
Contratacin = ( Vendedores indicados - Vendedores ) / Tiempo de ajuste de vendedores
Units: personas/mes
Coste por vendedor = 2000
Units: euros/(persona*mes)
Fraccin destinada a vendedores = 100
Units: euros/pedido
Presupuesto = Fraccin destinada a vendedores * Pedidos
Units: euros/mes
Tiempo de ajuste de vendedores = 20
Units: meses
Vendedores = INTEG( Contratacin , vendedoresini )
Units: personas
Vendedores indicados = Presupuesto / Coste por vendedor
Units: personas
vendedoresini = 10

Units: personas

25

Ejercicio 5. Meseta Kaibab

La meseta Kaibab tiene una extensin de unos 727000 acres y est situada en la parte
norte del Gran Can en Arizona. Con anterioridad a 1907 exista un rebao de ciervos
de aproximadamente 4000 individuos. En 1907 se estableci una recompensa por la caza
de pumas, lobos y coyotes, todos ellos predadores naturales de ciervos. En un periodo de
unos 15 20 aos hubo una aniquilacin considerable de estos predadores y,
consecuentemente un inmediato incremento en la poblacin de ciervos.
Para 1918 la poblacin de ciervos haba aumentado ms de 10 veces. El evidente exceso
de animales en la zona dio lugar a la primera de una serie de advertencias, que
investigadores competentes realizaron, en el sentido de una necesidad urgente de
cambiar la poltica de recompensas, o de llevar a cabo un rpido proceso de reduccin de
ciervos, sacndolos de la regin.
En ausencia de predacin por sus predadores naturales, o por el hombre como cazador, el
rebao alcanz 100000 individuos en 1924. Debido a la falta de comida suficiente el 60%
del rebao muri en dos inviernos sucesivos. La destruccin de tanta vegetacin, debida
al exceso de pastoreo, impidi la recuperacin de la reserva de alimentos hasta el punto
de que la muerte de nuevos animales y la reduccin de la tasa de natalidad condujo a una
poblacin de la mitad de la que tericamente poda haber sido mantenida.

26

Se pide:
a) Meditar sobre el tipo de estructura que puede ser responsable del comportamiento
histrico observado.
b) Construye un modelo de Dinmica de Sistemas y utilzalo para simular diversas
hiptesis que desees estudiar.

27

Modelo Kaibab

Predadores

Ciervos

Hierba
Tiempo recuperacin +

<Predadores>

Ciervos

Predacin

<Ciervos matados>

<Hierba>
Ciervos
Crecimiento ciervos
Alimento per cpita
Tasa ciervos
Alimento necesario
f tasa ciervo
Disponibilidad alimento

28

Predadores
Caza

Crecimiento predadores
<Ciervos>

Extensin
Tasa predadores

Tasa caza

Densidad ciervos

f tasa predadores

Ciervos matados

Predadores
f ciervos matados

<Disponibilidad alimento>
Capacidad hierba
f tiempo creci

Salud terreno
Hierba comida ciervo

Tiempo crecimiento
f hierba comida
Pastoreo
Hierba
Crecimiento hierba

Efecto heladas

f heladas

<Ciervos>

Hierba

<Time>

********************************
.Ciervos
********************************
Alimento necesario = 3
Alimento per cpita = Hierba / Ciervos
Capacidad hierba = 540000

29

Caza = Predadores * Tasa caza * STEP ( 1, 1907)


Ciervos = INTEG( Crecimiento ciervos - Predacin , 4000)
Ciervos matados = f ciervos matados ( Densidad ciervos )
Crecimiento ciervos = Ciervos * Tasa ciervos
Crecimiento hierba = Efecto heladas * ( Capacidad hierba - Hierba ) / Tiempo crecimiento

Crecimiento predadores = Predadores * Tasa predadores


Densidad ciervos = Ciervos / Extensin
Disponibilidad alimento = Alimento per cpita / Alimento necesario
Efecto heladas = f heladas ( Time )
Extensin = 800000
f ciervos matados ( [(0,0)-(0.1,120)],(0,0),(0.01,10),(0.0181269,21.7105),(0.0283988,38.8158)
,(0.041994,66.4474),(0.0510574,82.8947),(0.0598187,92.7632),(0.0728097,98.6842)
,(0.1,100) )
f heladas ( [(1900,0)-(1950,1)],(1900,1),(1931.57,1),(1931.57,0.3),(1934,0.3)
,(1934,0.5),(1934,0.5),(1935,1) )
f hierba comida ( [(0,0)-(4,4)],(0,0),(1.00302,2),(1.29305,2.54386),(1.54683,2.84211)
,(1.71601,2.91228),(1.94562,2.98246),(2.39275,2.98246),(2.98489,2.98246)
,(4,3) )
f tasa ciervo ( [(0,-1)-(4,0.4)],(0,-1),(1,0),(1.18557,0.109155),(1.42268,0.16831)
,(1.74227,0.2),(2,0.2),(3,0.2),(4,0.2) )
f tasa predadores ( [(0,-1)-(15,0.2)],(0,-1),(3.78866,-0.243662),(4.76804,-0.104225)
,(6,0),(7.28093,0.043662),(9.02062,0.0690141),(13.6598,0.1),(15,0.1)
)
f tiempo creci ( [(0,0)-(1,20)],(0,20),(0.0463918,15.6338),(0.0876289,12.2535)
,(0.154639,8.30986),(0.242268,5.91549),(0.35567,3.94366),(0.458763,2.25352)
,(0.548969,1.40845),(0.652062,1.05634),(0.744845,0.84507),(0.837629,0.56338)
,(0.93299,0.528169),(1,0.5) )
Hierba = INTEG( Crecimiento hierba - Pastoreo , 540000)
Hierba comida ciervo = f hierba comida ( Disponibilidad alimento )
Pastoreo = Ciervos * Hierba comida ciervo
Predacin = Ciervos matados * Predadores
Predadores = INTEG( Crecimiento predadores - Caza , 300)
Salud terreno = Hierba / Capacidad hierba
Tasa caza = 0.3
Tasa ciervos = f tasa ciervo ( Disponibilidad alimento )

30

Tasa predadores = f tasa predadores ( Ciervos matados )


Tiempo crecimiento = f tiempo creci ( Salud terreno )
TIME STEP = 0.125
********************************
.Control
********************************
Simulation Control Paramaters
FINAL TIME = 1940
INITIAL TIME = 1900
SAVEPER = TIME STEP

Graph Lookup - f tiempo creci


20

0
0

Tiempo de crecimiento de la hierba en funcin de la salud del terreno (Hierba/ Capacidad hierba).
Graph Lookup - f hierba comida
4

0
0
4
Hierba comida por ciervo en funcin
de la disponibilidad de alimento.

31

Graph Lookup - f tasa ciervo


0.4

-1
0

Tasa de crecimiento neto de ciervos en funcin de la disponibilidad de alimento.

Graph Lookup - f tasa predadores


0.2

-1
0

15

Tasa crecimiento de predadores en funcin de los ciervos matados por predador.

Graph Lookup - f ciervos matados


120

0
0

0.1

Ciervos matados por predador en funcin de la densidad de ciervos.

32

100,000
100
600,000
60

3
3

1
1

50,000
50
300,000
30
0
0
0
0

3
4

3
1

2
4

1
2
1
1

1905
1
Ciervos : Current
2
Predadores : Current
3
3
Hierba : Current
Disponibilidad alimento : Current

1925
Time (aos)
1

1
2

1
2

3
4

33

2
3

1
2

1
2

3
4

1935

1
2

2
3

1915

3
4

Ejercicio 6
Cortes en el suministro de herona aumentan la delincuencia

El Diario Donostiarra
24/Enero/2001
Donostia- La prxima vez que oiga que ha habido una redada policial y que una
cantidad considerable de herona ha sido aprehendida no crea que las calles de la
ciudad, su coche o su piso van a estar por ello ms seguros. De hecho, un estudio
reciente del trfico de herona en San Sebastin demuestra que cuanto ms se controla el
mercado de herona resulta ms probable que usted sea robado o que su casa sea
desvalijada por un adicto necesitado de su dosis.
El estudio, que va a hacerse pblico en menos de una semana, ha sido realizado
por la Comisin para el estudio de las drogas dependiente de la Direccin de Sanidad
del Gobierno Vasco. Dada su importancia, muy probablemente tendr repercusiones
ms all del mbito de nuestra ciudad. Dicho estudio proporciona la primera evidencia
estadstica que pone en entredicho la creencia comn de que un aumento de la presin
policial para reducir el suministro de herona debe conducir a una reduccin de la
delincuencia. Por el contrario, el estudio muestra que los embargos de herona
conducen, tan slo, a precios ms elevados y que como resultado de la subida del precio
la delincuencia aumenta. Las cifras muestran que como resultado de una subida de un
10% en el precio de la herona la delincuencia aumenta, en promedio, un 3% siendo esta
cifra superior en las zonas menos cntricas de nuestra ciudad.
El estudio se ha basado en un anlisis de los precios de la herona y el nmero de
delitos relacionados con la droga a lo largo de un periodo de 40 meses desde junio de
1997 hasta setiembre de 2000. Los datos sobre precios se han obtenido de la Brigada de
Narcticos de la Ertzaintza y las estadsticas sobre delincuencia provienen de los
ordenadores de la Polica Municipal de San Sebastin.
La Comisin para el estudio de las drogas admite que "una comunidad que tuviera
xito en eliminar o virtualmente eliminar, su suministro de herona podra solucionar
su problema de drogo delincuencia en no mucho tiempo". No obstante, esto no se ha
conseguido en ningn sitio y la polica lo que consigue es capturar grandes alijos de
droga que reducen tan slo temporalmente el suministro de herona.
"Aunque el sentir convencional mantiene que tales esfuerzos conducen a una
reduccin de la delincuencia", dice el estudio, algunas personas que conocen mejor el
escenario de la herona creen que ocurre precisamente lo contrario. Segn ellos, "xitos
marginales en reducir el suministro de herona conducen a mayor, no menor, ndice de
delincuencia".
La Comisin concluye que su estudio sobre trfico de herona en San Sebastin
"sugiere que el sentir convencional es errneo y que la gente ms familiarizada con el
problema de la herona est en lo cierto. Es decir, reducciones temporales en el
suministro y en la disponibilidad de herona no producen la reduccin de delincuencia
que los responsables polticos y el pblico en general quieren, semejantes esfuerzos
producen un incremento en la delincuencia que nadie desea".

34

Basndote en la descripcin anterior se desea que:


a) Definas el objetivo del modelo que vas a construir estableciendo los dos modos
de referencia descritos en la ficcin anterior en los que se muestre la evolucin temporal
de las variables que consideres de inters.
b) Construyas un modelo de Dinmica de Sistemas capaz de reproducir los dos
modos de referencia establecidos, escribiendo ecuaciones precisas y asignando valores
razonables a los parmetros utilizados.
c) Utilices el modelo para estudiar diversas polticas de actuacin o diversos
escenarios posibles analizando los resultados obtenidos.

35

Modelo

Consumo de herona

Activador2
Consumo
promedio

<Time>Activador 1

Aprehensin
Presin policial
Heroina
Entrada de heroina

f policia

Consumo
<Adictos>

Efecto precio en entrada

Relacin

Consumo por adicto

f precio en entrada
Disponibilidad
<Relacin precio>

f consumo

Demanda
Relacin normal
Dosis normal

36

<Adictos>

Precio de la herona

Relacin precio

Precio
percibido

<Disponibilidad>
Precio normal
Efecto disponibilidad en precio

Precio
Ajuste precio

Precio instantaneo
f disponibilidad en precio

Tiempo ajuste precio

Adictos y delitos

<Precio>

<Dosis normal>

Dinero necesario

Dinero por delito

Heroina
promedio
Frecuencia de delitos
<Heroina>

Capacidad soportable

<Relacin normal>

Cambio adictos
Adictos

<Disponibilidad>
Tiempo ajuste

f ajuste

37

Delitos

Ecuaciones

********************************
Adictos y Delitos
********************************
Adictos = INTEG( Cambio adictos , 2000)
Units: Adictos
Cambio adictos = ( Capacidad soportable - Adictos ) / Tiempo ajuste
Units: Adictos/semana
Flujo de ajuste de los adictos a la capacidad soportable.
Capacidad soportable = Herona promedio / ( Dosis normal * Relacin normal )
Units: Adictos
Nmero de adictos que pueden mantenerse con normalidad con la herona
promedio.
Delitos = Adictos * Frecuencia de delitos
Units: Delitos/semana
Dinero necesario = Dosis normal * Precio
Units: Pesetas/(semana*adicto)
Dinero semanal necesario para mantener su hbito por adicto.
Dinero por delito = 30000
Units: Pesetas/delito
Dinero que un adicto obtiene por trmino medio por delito.
f ajuste ( [(0,0)(1,26)],(0,2),(0.0592784,6.77465),(0.113402,10.4366),(0.185567,15.0141),
(0.273196,18.8592),(0.360825,21.9718),(0.443299,23.8028),(0.518041,24.6268),(0.713
918,25.3592)
,(1,26) )
Units: semanas
Tabla que da el tiempo de ajuste de drogadictos en funcin de la disponibilidad.
Frecuencia de delitos = Dinero necesario / Dinero por delito
Units: Delitos/(semana*adicto)
Numero de veces por semana que un adicto debe delinquir para sostener su
adiccin.

38

Herona promedio = SMOOTH ( Herona , 52)


Units: Gramos
Promedio a largo plazo de la herona disponible en el mercado.
Tiempo ajuste = f ajuste ( Disponibilidad )
Units: semanas

********************************
Consumo de Herona
********************************
Activador 1 = 0
Units: adimensional
Activa (1) o desactiva (0) la presin policial a largo plazo.
Activador2 = 0
Units: adimensional
Activa (1) o desactiva (0) la aprehensin policial puntual.
Aprehensin = 0.2 * Herona * PULSE ( 2, TIME STEP ) / TIME STEP * Activador2
Units: Gramos/semana
Aprehensin policial puntual de herona
Consumo = Adictos * Consumo por adicto
Units: Gramos/semana
Consumo por adicto = f consumo ( Disponibilidad )
Units: Gramos/(semana*adicto)
Consumo promedio = SMOOTH ( Consumo , 12)
Units: Gramos/semana
Consumo promediado en tres meses.
Demanda = Adictos * Dosis normal
Units: Gramos/semana
Demanda semanal total de herona
Disponibilidad = Relacin / Relacin normal
Units: adimensional
Dosis normal = 3.5
Units: Gramos/(semana*adicto)
Dosis normal media de un adicto a la semana
Efecto precio en entrada = f precio en entrada ( Relacin precio )
Units: adimensional
Efecto del precio medio de la herona en el suministro de herona hacia la zona.

39

Entrada de herona = Consumo promedio * Efecto precio en entrada * ( 1 - Presin


policial )
Units: Gramos/semana
f consumo ( [(0,0)(4,4)],(0,0),(0.103093,1.30986),(0.154639,1.77465),(0.247423,2.29577),(0.340206,2.66
197)
,(0.402062,2.85915),(0.463918,3.05634),(0.556701,3.23944),(0.680412,3.38028),(0.82
4742,3.4507)
,(1,3.5),(2,3.5),(3,3.5),(4,3.5) )
Units: Gramos/(semana*adicto)
Tabla de consumo per cpita en funcin de la disponibilidad
f policia ( [(0,0)(250,1)],(0,0),(53.4794,0),(75.3866,0.0246479),(89.5619,0.0598592),(106.314,0.14436
6)
,(117.268,0.323944),(125,0.5),(125.644,0.75),(247.423,0.75) )
Units: adimensional
f precio en entrada ( [(0,0)(6,5)],(0.123711,0.0528169),(0.340206,0.299296),(0.634021,0.616197)
,(1,1),(1.29897,1.25),(1.79381,1.74296),(2.33505,2.25352),(2.87629,2.65845),(3.44845,
3.02817)
,(4.05155,3.23944),(4.62371,3.32746),(5.01031,3.39789),(5.98454,3.4331) )
Units: adimensional
Efecto del precio en la entrada de herona. Un precio elevado indica
simultneamente un dficit de la misma y un mercado atractivo por lo que se
incrementar el flujo de entrada.
Herona = INTEG( Entrada de herona - Consumo - Aprehensin , 28000)
Units: Gramos
Herona a la venta.
Presin policial = f policia ( Time ) * Activador 1
Units: adimensional
Relacin = Herona / Demanda
Units: semanas
Relacin herona a la venta entre demanda total.
Relacin normal = 4
Units: semanas
El tiempo que se prev como deseable para aguantar sin nuevo suministro. Por
debajo de la cantidad de herona que permite aguantar ese tiempo el mercado empieza a
alarmarse y a considerar que la herona comienza a escasear.
********************************

40

.Precio de la herona
********************************
Ajuste precio = ( Precio instantneo - Precio ) / Tiempo ajuste precio
Units: Pesetas/(semana*gramo)
Flujo de ajuste del precio real al precio instantneo que es el que corresponde
al equilibrio para esas condiciones de mercado.
Efecto disponibilidad en precio = f disponibilidad en precio ( Disponibilidad )
Units: adimensional
f disponibilidad en precio ( [(0,0)(4,5)],(0,5),(0.113402,3.67958),(0.195876,2.95775),(0.412371,2.02465)
,(0.608247,1.51408),(1,1),(1.75258,0.9),(2,0.9),(3,0.9),(4,0.9) )
Units: adimensional
Efecto de la disponibilidad en el precio de la herona. El mercado no suele
descender el precio cuando la disponibilidad aumenta, s al revs.
Precio = INTEG( Ajuste precio , 16000)
Units: Pesetas/gramo
Precio instantaneo = Efecto disponibilidad en precio * Precio normal
Units: Pesetas/gramo
Precio que corresponde segn el mercado a la disponibilidad dada. Le llamo
instantneo en el sentido de que es el que debera ser si el mercado se ajustase
instantneamente. Pero, no lo hace, lleva un cierto tiempo que el precio sea el que
corresponde.
Precio normal = 16000
Units: Pesetas/gramo
Precio normal de un gramo. A largo plazo, podra tomarse como un nivel.
Precio percibido = SMOOTH ( Precio , 2)
Units: Pesetas/gramo
Promedio del valor del precio en los ltimos tres meses.
Relacin precio = Precio percibido / Precio normal
Units: adimensional
Relacin que nos dice si el precio est ms alto o ms bajo de lo normal.
Tiempo ajuste precio = 1
Units: semanas
El tiempo de ajuste es muy pequeo en el mercado de herona. De hecho puede
que los efectos se noten de un da para otro.

********************************
.Control
********************************

41

Simulation Control Paramaters


FINAL TIME = 250
Units: semanas
The final time for the simulation.
INITIAL TIME = 0
Units: semanas
The initial time for the simulation.
SAVEPER = 0.1
Units: semanas
The frequency with which output is stored.
TIME STEP = 0.01
Units: semanas
The time step for the simulation.

Graph Lookup - f ajuste


26

Tabla que da el tiempo de ajuste de


drogadictos en funcin de la
disponibilidad de herona.

0
0

42

Graph Lookup - f disponibilidad en precio


5

Efecto de la disponibilidad en el
precio de la herona. El mercado
no suele descender el precio
cuando la disponibilidad aumenta,
s al revs.

0
0

Graph Lookup - f consumo


4

Tabla de consumo per cpita en


funcin de la disponibilidad

0
0

43

Una aprehensin aislada de herona en t=2

40,000 Gramos
20,000 Pesetas/gramo
6,000 Delitos/semana

2
2

2
2
2

30,000 Gramos
15,000 Pesetas/gramo
4,000 Delitos/semana

3
3

3
1

31

31

20,000 Gramos
10,000 Pesetas/gramo
2,000 Delitos/semana
0
Heroina : Normal
Precio : Normal
Delitos : Normal

1
2

1
2

1
2

1
2

1
2

1
2

1
2

7
8
9
Time (semanas)

2
3

2
3

1
2

10

1
2

1
2

11

1
2

12

1
2

13

1
2

14

15

Gramos
Pesetas/gramo
Delitos/semana
1

2
3

Accin policial intensa que imposibilita la entrada de herona

40,000
60,000
20,000
2,000

Gramos
Pesetas/gramo
Delitos/semana
Adictos
Gramos
Pesetas/gramo
Delitos/semana
Adictos

0
0
0
0

Gramos
Pesetas/gramo
Delitos/semana
Adictos

4
4

2
2
4

20,000
30,000
10,000
1,000

1
1
4
1

3
2

2
3

3
3

0
Heroina : Presion Policial
Precio : Presion Policial
Delitos : Presion Policial
Adictos : Presion Policial

25

50

1
2

1
2

1
2

3
4

75

3
4

1
2

3
4

1
2

3
4

100
125
150
Time (semanas)
1

1
2

3
4

3
4

44

1
2

3
4

225

250

Gramos
Pesetas/gramo
3 Delitos/semana
4
Adictos
1

2
3

200

1
2

3
4

175

1
2

4
3