Академический Документы
Профессиональный Документы
Культура Документы
Resumen
En este trabajo se analizan las caractersticas de las variables soft y las
particularidades que, para su estudio, presentan los paradigmas de modelizacin
Econometra, Dinmica de Sistemas y Modelizacin Basada en Agentes. Con el
objeto de analizar las ventajas y desventajas de cada paradigma de modelizacin
frente al tratamiento de variables soft se presenta la exploracin de un caso
modelizado en dichos paradigmas. Se concluye que si bien la Econometra
presenta caractersticas interesantes para complementar la Dinmica de Sistemas,
esta ltima y la Modelacin Basada en Agentes son ms adecuadas para
incorporar variables soft.
Abstract
This paper analyzes the modeling of soft variables and compares the way how
the economctric, the system dynamics and the agent based modeling paradigms
approach them. An exemplary case is used to compare the three approaches. It
is found that System Dynamics and Agent Based Modeling are more suitable for
representing soft variables than Economectric modeling.
Palabras Claves: Variables Soft, Modelizacin, Paradigmas, Econometra, DS,
MBA.
Introduccin
Actualmente, recursos intangibles como el know-how de los empleados,
el capital intelectual y el conocimiento son reconocidos como parte
fundamental para la creacin de valor de las organizaciones.
Autores reconocidos en la literatura de gestin empresarial como Tidd
(2000), Hall y Andriani (1998), Sveiby (1997), Kaplan y Norton (1997),
Nonaka y Takeuchi (1995), Prahalad y Hamel (1990), y coinciden en
afirmar que los factores que generan ventaja competitiva sostenible a las
organizaciones son de naturaleza intangible.
67
68
_________________________________________________________________
69
_________________________________________________________________
Objetivos
El objetivo de este trabajo se sita en el camino hacia la mejora de la
construccin de modelos que incluyen variables soft y tiene dos
propsitos fundamentales:
Definir las caractersticas de las variables soft e identificar los
problemas que afronta su modelizacin.
Identificar las aportaciones y las dificultades de cada paradigma para
la modelizacin de variables soft.
Para este ltimo propsito, se utiliza la exploracin de un caso
modelizado en los paradigmas de Econometra, Dinmica de Sistemas y
Modelizacin Basada en Agentes.
Variables Soft
Definicin
Se define variable soft como aquella variable de la que no se tienen datos
numricos disponibles, e incluyen factores como caractersticas
cualitativas, percepciones y expectativas concernientes a una persona o
cosa.
Las caractersticas fundamentales de una variable soft se pueden resumir
en:
1. Carecen de sustancia fsica.
2. No pueden ser medidas de forma directa.
3. Las leyes que determinan su dinmica de cambio tienen que ver
con relaciones complejas causa-efecto de carcter no lineal y con
existencia de retrasos.
Entre las variables soft se incluyen la motivacin, la percepcin de
calidad, la habilidad para gestionar o la reputacin de la organizacin,
que son ampliamente conocidos en la teora organizacional como
intangibles.
Adems de algunos proyectos europeos, como el proyecto Meritum
(1998-2001), existen trabajos como la Norma Internacional Contable
(IAS), presentada en 1998 por la IASCa, en donde se aborda la
contabilidad y divulgacin de activos intangibles, que demuestran la
creciente importancia de este tipo de variables soft.
a
70
_________________________________________________________________
Proteccin legal
Posicin de la
empresa
Capacidades
funcionales
Por cultura
organizacional
Patentes
Reputacin de la
empresa.
Habilidades
individuales.
Habilidad para
administrar el
cambio.
Derechos de autor
Reputacin de los
productos.
Conocimientos del
personal.
Habilidad para
innovar.
Secretos
Industriales
Redes de
distribucin.
Experiencia.
Habilidad de trabajo
en equipo.
Indicadores
Estructura Interna
(EI)
Indicadores de
crecimiento y
renovacin
-Inversin en EI.
-Inversin en sistemas
de procesamiento de
informacin.
-Clientes que
contribuyen a la EI.
Indicadores de
eficiencia
-Proporcin de
empleados de soporte
-Ventas por empleado.
-Actitud de los
empleados
Indicadores de
estabilidad
-Antigedad de la
organizacin.
-Tasa de renovacin
del personal.
-Fraccin de
novatos.
-Proporcin de clientes
grandes.
-Antigedad de los clientes.
-Fraccin de clientes fieles.
-Frecuencia de repeticin de
pedidos.
Capacidades
Individuales (CI)
-Antigedad en la
profesin.
-Educacin.
-Costes de formacin.
-Influencia de las rotaciones
de personal.
-Proporcin de
profesionales.
-Valor aadido por
empleado.
-Valor aadido por
profesional.
-Edad media.
-Antigedad.
-Sueldo relativo.
-Tasa de renovacin
profesional.
71
_________________________________________________________________
b Doyle y Ford (1999), definen modelo mental como una durable y accesible,
pero limitada, representacin conceptual interna de un sistema (histrico,
existente o proyectado), cuya estructura es parecida a la estructura percibida del
sistema.
72
_________________________________________________________________
73
_________________________________________________________________
74
_________________________________________________________________
Conceptualizacin
Dificultad para representar las relaciones causaefecto de las variables soft y definir cules son las
variables ms importantes.
Formulacin
Evaluacin
Implementacin
Paradigmas de Modelizacin
Dependiendo del propsito para el cual se construye un modelo y de las
caractersticas del fenmeno a estudiar, puede tener ms aplicabilidad
75
_________________________________________________________________
Concepto utilizado por Jacobsen and Bronson (1987) para referirse al proceso
de convertir conceptos en comportamientos o datos observables que un
investigador pueda medir.
76
_________________________________________________________________
Econometra
La econometra parte de la teora econmica y utiliza tcnicas
cuantitativas y conceptos de la economa y la estadstica para analizar
sucesos econmicos. Sus modelos pueden ser usados para anlisis
estructural, para predecir o para experimentar los efectos de polticas
alternativas.
Una de las principales caractersticas de este paradigma, es la verificacin
estadstica de la estructura y los parmetros del modelo. Esto implica que
cada variable analizada en el modelo debe tener las suficientes
mediciones histricas, de tal forma que permita realizar la estimacin
cuantitativa de las relaciones con otras variables.
Debido a este requerimiento se tiende a eliminar informacin de los
modelos, especialmente la que tiene que ver con el comportamiento
humano que motiva las decisiones.
La formulacin de un modelo economtrico puede dividirse en dos fases
secuenciales. En la primera fase se identifica el problema y se define su
trayectoria. En esta fase la precisin cuantitativa es innecesaria y
probablemente inalcanzable puesto que la informacin disponible an no
es suficiente para decidir qu elementos del sistema son
significativamente importantes y cmo estn relacionados (Pulido, 1989).
En la segunda fase, se define la formulacin de las variables, las
relaciones entre stas y la estructura del modelo. Al contrario que la
primera, en sta fase la precisin cuantitativa tiene mayor importancia, ya
que en esta se estiman los valores de los parmetros de las ecuaciones. La
principal tcnica usada para obtener los parmetros de los modelos
economtricos es la estimacin de mnimos cuadrados (MC). MC es un
mtodo que genera un grupo de parmetros que mejor se adaptan a un
postulado general de relaciones para datos histricos y que, adems,
proporciona una medida cuantitativa del ajuste a dicho postulado.
77
_________________________________________________________________
78
_________________________________________________________________
Modelos
uniecuacionales
Modelos ecuaciones
multiples
Bloque recursivos
Ecuaciones simultaneas
79
_________________________________________________________________
Dinmica de Sistemas
DS es un paradigma de modelizacin de carcter estructuralista que
permite reproducir patrones de comportamiento de sistemas complejos
(Meadows, 1980).
La estructura global de los modelos en DS se establece mediante bucles
de retroalimentacin, que son circuitos cerrados de relaciones causales
que pueden ser negativos o positivos. stos a su vez se componen de
variables de nivel, de flujo y auxiliares. Las variables de nivel,
representan el estado del sistema en un momento dado. Las variables de
flujo, son las que determinan las acciones que cambian el estado del
sistema y finalmente, las variables auxiliares, se utilizan para facilitar los
pasos intermedios en la formulacin de los flujos.
Matemticamente un modelo en DS es un sistema de ecuaciones
diferenciales de tipo:
dN i (t )
= FEi (t ) FS i (t )
dt
i=1..n
N i (t ) = N i (0 ) + t0 [FE i (t ) FS i (t ) ]dt
Donde N, representa el valor de una variable en un momento dado, que
se modificada en el tiempo por el flujo de entrada (FE) y el flujo de salida
(FS).
Posteriormente algunos programas resuelven las ecuaciones por mtodos
numricos, como el mtodo de Euler.
Grficamente, un modelo en DS se representa en forma de proceso, como
se muestra en la figura 2.
80
_________________________________________________________________
Nivel 1
flujo 1
Constante 1
flujo 2
aux 2
aux 1
aux 3
Const2
Nivel 2
flujo 3
flujo 4
81
_________________________________________________________________
a simple vista que son generados por las interacciones locales de los individuos
autnomos que conforman el sistema.
k
82
_________________________________________________________________
83
_________________________________________________________________
Modelos
La construccin de los modelos para el caso propuesto, est limitada por
la falta de datos reales. No obstante, se opta por utilizar los
conocimientos de teora organizacional y consultar a un experto sobre el
planteamiento del modelo y los modos de referencia que se utilizaron
como gua.
Inicialmente, se construy el modelo en el paradigma de DS, que
posteriormente servira como gua para construir los modelos de
Econometra y MBA.
Debido a que en Econometra no se puede construir un modelo sin
valores histricos (series temporales) de las variables, se utilizaron los
datos generados por el modelo de DS para su reproduccin.
A pesar de que el modelo economtrico no se considera idneo para
realizar simulaciones, su construccin resulta de aportacin para el
objetivo del caso, porque permite analizar las particularidades del
paradigma de Econometra.
Para la simulacin en DS y MBA se parte del estado de equilibrio en
donde los valores para las variables claves son los siguientes:
84
_________________________________________________________________
Variables
Valor
Unidades
Nuevos Casos
casos/semana
Casos Realizados
casos/semana
Casos en curso
15
casos
semanas
Horas Extras
horas/semana- persona
Horas Formacin
10
horas/semana- persona
horas/semana- persona
Clima Laboral
unidades
Capacitacin
unidades
85
_________________________________________________________________
Paradigma
Econometra,
DS y MBA
Econometra y
DS
MBA
Anlisis
Comparacin de los Paradigmas de Modelizacin
Autores como Schieritz y Milling (2003) han propuesto algunos criterios
de distincin entre los paradigmas de DS y MBA. En adicin a la
propuesta de estos autores, el anlisis del caso propuesto en este trabajo
permite aadir las caractersticas de los modelos economtricos y
menciona nuevos criterios de diferenciacin como: el manejo del espacio,
comprensibilidad, el objetivo de construccin del modelo y el manejo de
heterogeneidad y redes.
En la tabla 6, se resumen los criterios de diferenciacin entre los
paradigmas de Econometra, DS y MBA, que se analizan a continuacin.
86
_________________________________________________________________
Caractersticas
Econometra
DS
Formulacin
matemtica
Ecuaciones con
variables retrasadas
Ecuaciones
Diferenciales
Continuo
Continuo
Representacin grfica
Ecuaciones
Comprensibilidad
Unidad de
anlisis
Cambio de
comportamiento
Nivel de agregacin
Origen de la dinmica
Heterogeneidad y
manejo de redes
Objetivo de elaboracin
MBA
Lgica
Compleja
Bucles
realimentados
Estructura visual
Hbrido
Eventos-Continuo
Estructura de
Agentes
Bucles implcitos
Parmetros
Estructura
Reglas
Cambio de
estructura
Medio-Alto
Bajo-Medio
Niveles
Eventos
No tratado
Complejo
Utilizado
Prediccin
Aprendizaje
Aprendizaje
Cambio de parmetros
Alto
Relaciones entre
variables
Cambio de estructura
87
_________________________________________________________________
Nuevos Casos = NC
1 =40 horas/persona
3.
2 =10 personas
Variables Endgenas
4.
5.
6.
Capacitacin
Capt = 0.100 + 0.845Capt 1 + 0.006(HFt 1 Cap t 1 ) + 1t
Casos Realizados
CRt = 12.619 + 0.349(1 + HEt HFt ) 2 Pt + 2 t
Productividad
Pt = 0.191993127 0.234702212CLt 0.266346770CL2t + 0.884556984Capt
0.867509113Capt2 + 0.842603295CLt Capt + 3t
7.
Clima Laboral
Modelo
Economtrico
Identidades
8. Horas Formacin
HFt = 0,25 + 0,075(1 RPt )
9.
Relacin de Plazos
RPt = MUPt
CRt 1
MUPt = MUPt 1 +
3
12. Horas Extras
HEt = 1,42857 (RPt 1)
13. Media de Horas Extras
MHE t = MHEt 1 +
(HEt 1 MHEt 1 )
4
88
_________________________________________________________________
relacion
plazos
MediaUltimos
Plazos
plazos
anteriores
tabla horas
formacion
Horas
extras
tabla pedidos
rechazados
Modelo DS
Nuevos
casos
tabla
extras
Casos en
curso
Casos
Realizados
Horas formacion
tabla
competencias
Retraso
Cap
<Horas
extras>
productividad
Media horas
extras
horas extras
actuales
efect.sobre
Clima lab.
tabla clima
laboral
Clima
Laboral
Capacitacion
efecto en
capacit
89
_________________________________________________________________
clima_laboral_empresa
relacion_plazos_medio
realizado
timer
unif_v alor
debug
pulso
casos_realizados
nuev os_casos
casos_en_curso
reparto_inicial
trabajador*
Modelo MBA
agente
nuev o_trabajo
trabajo_pendiente
trabajo_realizado
media_ultimos_plazos
relacion_plazos
plazos_anteriores
horas_extras
clima_laboral
efecto_sobre_clima_lab
media_horas_extras
horas_extras_actuales
factor_productiv idad
capacitacion
efecto_en_capacit
retraso_cap
entradas_clima
horas_formacion
90
_________________________________________________________________
utilizada por DS resulta muy til porque stos permiten conectar siempre
la causa-efecto y facilitan la comprensin de los resultados.
DS es un paradigma consolidado, en el que se han ido desarrollando
distintas herramientas a fin de mejorar los problemas que resultan de la
modelizacin de sistemas. Los diagramas causales son un buen ejemplo
de las herramientas que ofrece DS y que facilitan la comprensin de las
relaciones entre las variables claves de los sistemas estudiados. En la
figura 4 se presenta el diagrama causal de las variables para el sistema
modelizado, donde se puede notar cmo el clima laboral est
condicionado por la presin, el agotamiento causado por el nmero de
horas trabajadas y el nivel de formacin.
MBA, por su parte, esta ms enfocada al concepto de emergencia. En DS
y Econometra, se define la estructura, mientras que en MBA lo que se
definen son las reglas que rigen el comportamiento de los agentes en un
entorno y el comportamiento general del modelo emerge de las
interacciones entre agentes segn sus reglas. Esta condicin hace que los
modelos de MBA sean ms naturales, pero a su vez se presenta como una
desventaja porque es ms difcil determinar las causas y sus efectos.
Ingresos
Rendimiento+
Nuevos Casos
+
Casos Realizados
Capacitacin
+
+
Carga Trabajo
Clima Laboral
- +
Horas
+trabajadas
+
Presin
Formacin
91
_________________________________________________________________
92
_________________________________________________________________
45
30
15
0
0
10
20
30
40
50
60
70
80
90
100 110
Time (Week)
120
130
140
150
160
170
180
190
200
casos
casos
casos
Se escogieron estas tres variables por ser las variables generales del
modelo que permiten conocer la evolucin general del sistema. En las
93
_________________________________________________________________
root.casos_en_curso
root.casos_realizados
root.trabajador-8.nuevos_casos
Figura 6: Grfico de MBA para las variables casos en curso, casos realizados y
nuevos casos.
30
25
20
15
10
5
0
Nuevos casos
Casos en curso
Casos Realizados
Figura 7: Grfico del modelo economtrico para las variables casos en curso,
casos realizados y nuevos casos.
94
_________________________________________________________________
0.95
0.9
0.85
0.8
0
10
20
30
40
50
60
70
80
90
100 110
Time (Week)
120
130
140
150
160
170
180
190
200
unidades
unidades
1,20
1,00
0,80
0,60
0,40
0,20
0,00
1
10
19
28
37
46
55
64
73
82
91
Clima laboral
100 109
118
163 172
Capacitacin
Figura 9: Grfica del modelo economtrico para las variables clima laboral y
capacitacin.
95
_________________________________________________________________
root.trabajador-8.clima laboral
root.trabajador-8.capacitacin
root.trabajador-8.clima laboral
root.trabajador-8.clima laboral
root.trabajador-8.capacitacin
root.trabajador-8.clima laboral
Figura 10: Comportamiento del clima laboral y la capacitacin para dos agentes
o personas concretas de la organizacin.
96
_________________________________________________________________
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Nuevo
Clima
Pendiente
Figura 11: Grfica de nuevo trabajo, clima laboral y trabajo pendiente de cada
agente.
97
_________________________________________________________________
98
_________________________________________________________________
99
_________________________________________________________________
100
_________________________________________________________________
Coyle, G. (1998). "The practice of System Dynamics: Milestones, lessons and
ideas from 30 years experience." System Dynamics Review 14(4): 343365.
Coyle, G. (2000). "Qualitative and quantitative modelling in system dynamics:
some research questions." System Dynamics Review 16(3): 225244.
Doyle, J. K. & Ford, D. N. 1999. Mental models concepts for system dynamics
research. System Dynamics Review, 14(1): 3-29.
Epstein, J. M. & Axtell, R. 1996. Growing Artificial Societies: Social Science
from the Bottom up. Washington, D.C.: Brookings Institution Press The
MIT Press.
Forrester, J. W. 1961. Industrial Dynamics: Productivity Press.
Hall, R. & Andriani, P. 1998. Management Focus Analysing Intagible Resources
and Managing Knowledge in a Supply Chain Context. European
Management Journal, 16(6): 685-697.
Jacobsen, C. & Bronson, R. 1987. Defining sociological concepts as variables
for system dynamics modelling. System Dynamics Review, 3(1): 1-7.
Kaplan, R. S. & Norton, D. S. 1997. El Cuadro de Mando Integral: Gestin
2000. Barcelona.
Kim, D. 1995. Systems Thinking Tools: Pegasus Communications, Inc.
Lorenz, T. M. and A. M. Bassi (2004). Comprehensibility as a discrimination
criterion for Agend-Based Modellling and System Dynamics. The 22nd
International System Dynamics Conference, Oxford.
McLucas, A. C. (2004). Incorporing Soft Variables into System Dynamics
Models: A Suggested Method and Basis for Ongoing Research. The 22nd
International System Dynamics Conference, Oxford.
Meadows, D. H. 1980. The Unavoidable a priori. Norway: Jorgen Randers.
Morecroft, J. 2005. Explaining Puzzling Dynamics: Comparing the Use of
System Dynamics and Discrete-Event Simulation. Paper presented at the
23th ICSDS, Boston.
Nonaka, I. & Takeuchi, H. 1995. The Knowledge-Creating Company. New York
Oxford: Oxford University Press.
Oliva, R. & Sterman, J. D. 2001. Cutting Corners and Working Overtime:
Quality Erosion in the Service Industry. Management Science,
Vol.47(No.7): 894-914.
Prahalad, C. K. & Hamel, G. 1990. The core competence of the corporation.
Harvard Business Review, 68(3): 79-91.
101
_________________________________________________________________
Pulido, A. 1989. Modelos Economtricos (Tercera Edicin ed.). Madrid:
Ediciones Piramide S.A.
Rahmandad, H. (2004). Heterogeneity and Network Structure in the Dynamics of
Contagion: Comparing Agent-Based and Differential Equation Models.
The 22nd International System Dynamics Conference, Oxford.
Randers, J. 1980. Elements of the System Dynamics Method: Productivity
Press.Cambridge, Massachusetts and Norwalk, Connecticut.
Repenning, N. P. & Sterman, J. D. 1994. Unanticipated Side Effects of
Successful Quality Programs:Technical Documentation: 207.
Reyes, L. F. L. & Andersen, D. L. 2003. Colleting and analyzing qualitative data
for system dynamics: methods and models. System Dynamics Review,
19(4): 271-296.
Schieritz, N. & Grbler, A. 2002. Modeling the Forest or Modeling the Trees: A
Comparison of System Dynamics and Agent-Based Simulation. IEEE
Computer Science.
Schieritz, N. & Milling, P. M. 2003. Modeling the Forest or Modeling the Trees:
A Comparison of System Dynamics and Agent-Based Simulation. System
Dynamics Society.
Scholl, H. J. (2001). Agent-Based and System Dynamics Modeling: A Call from
Cross Study and Joint Research. The 34th international Conference on
System Sciences (HICSS-34), Maui, Hawaii.
Sterman, J. D. 2000. Bussiness Dynamics: Systems Thinking and Modeling for a
Complex World. Boston: Jeffrey J. Shelstad.
Sterman, J. D. 2002. All models are wrong: reflections on becoming scientist.
System Dynamics Review, 18(4): 501-531.
Sveiby, K. E. 1997. The New Organizational Wealth: Editorial Berrett-Koehler
Publishers.
Tidd, J. 2000. From Knowledge Management to Strategic Competence: Imperial
College Press.
Warren, K. 2002. Competitive Strategy Dynamics. London: John Wiley &
Sons,ltd.
Zahn, E., Dillerup, r., & Schmid, U. 1998. Strategic evaluation of flexible
assembly systems on the basis of hard and soft decision criteria. System
Dynamics Review, 14(4 (Winter 1998)): 263-284.