Dinámica de Sistemas PROYECTO FINAL

INSTITUTO POLITCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA

DE INGENIERA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS
INGENIERA INDUSTRIAL
DINMICA DE SISTEMAS
PROYECTO FINAL
INTEGRANTES:
LAMEGOS MENDOZA KAREN ANAL
TORRES TOVAR ROBERTO
PROFESOR: JORGE SIERRA Y ACOSTA
SECUENCIA: 4IM68
FECHA: 14/12/15
[Escribir texto]
Pgina 1
NDICE
PG.
OBJETIVO GENERAL.................................................................3
OBJETIVO ESPECIFICO.............................................................3
INTRODUCCIN.......................................................................4
MARCO METODOLOGICO..........................................................5
PROBLEMTICA DE CONOCIMIENTOS QUE SE RESUELVEN CON
LOS SISTEMAS DINAMICOS......................................................6
JUSTIFICACIN DE LA MATERIA...............................................10
1.1 FUNDAMENTOS DE LA DINAMICA DE SISTEMAS................11
1.1.1 DESARROLLO DE LA DINAMICA DE SISTEMAS.................13
1.1.2 CICLOS DE RETROALIMENTACION NEGATIVOS Y POSITIVOS.
FLUJOS DE INFORMACION Y TIEMPOS DE RETRASO..................14
1.1.3. DIAGRAMAS DE INFLUENCIAS Y DIAGRAMAS DE
FORRESTER..........................................................................16
1.1.3.1 DIAGRAMA DE INFLUENCIAS................................................16
1.1.3.2 DIAGRAMAS DE FORRESTER.................................................24
1.2 REPRESENTACIN MATEMTICA DE LA DINMICA DE

SISTEMAS.............................................................................30
1.2 REPRESENTACION MATEMATICA DE LA DINAMICA DE
SISTEMAS.............................................................................37
1.2.1 LAS MATEMATICAS DE LA DINAMICA DE SISTEMAS. LA
FUNCION EXPONENCIAL.........................................................39
2.1 EL MODELO BASICO DEL PROCESO DE UN PASO Y DE PASOS
MULTIPLES EN SERIE.............................................................45
2.1.1 EL MODELO DE LLENADO DE UN RECIPIENTE DE AGUA.....48
2.1.2 EL MODELO DE REPRODUCCION DE PECES. EL MODELO DE
UNA INVERSION A UNA TASA DE INTERES...............................55
2.2 PROCESOS DE UN PASO. CONDUCTA DE ESTADO ESTABLE LA
LEY DE LITTLE.......................................................................59
[Escribir texto]
Pgina 2
2.2.1 EL PAPEL DE LAS VARIACIONES ESTOCASTICAS EN LOS

MODELOS DE LINEAS DE ESPERA............................................61
2.4PROCESOS ACOPLADOS....................................................71
2.4.1 EL MODELO DE UN RESTAURANTE DE COMIDA RAPIDA.....72
3.1.1 MODELOS DE LINEA DE ESPERA EN PARALELO.................75
3.1.2 DISEO DE UN MODELO DE CAJEROS EN UNA TIENDA
COMERCIAL..........................................................................77
3.1.3 REDISEANDO EL MODEOLO DEL RESTAURANTE DE
COMIDAS RAPIDAS................................................................78
3.1.4 EL MODELO DEL CENTRO DE LLAMADAS TELEFONICAS. . . .78
3.2 EL MODELO DE CADENA DE SUMINISTROS.........................81
CONCLUSIONES.....................................................................82
BIBLIOGRAFA.......................................................................83
OBJETIVO GENERAL
El egresado de ingeniera industrial ser competente en evaluar esenarios para
dimensionar las conductas del sistema atravez de los modelos de Forrester y
ecuaciones matematicas a partir de los fundamentos teoricos de la formulacin
de modelos de dinmica de sistemasen apoyo a la toma de desiciones de las
organizaciones para hacerlas mas productivas y eficientes para asi llegar a la
evaluacin de los esenarios.
OBJETIVO ESPECIFICO
Unidad I
El poder analizar la constuccion de los didtintos sistemas dinamicos en base
con los diagramas de influencias y de forrester.
Unidad II
Aprender a formular modelos de un paso y de pasos multiples con base en los
diagramas de influencia y sus ecuaciones.
Unidad III
[Escribir texto]
Pgina 3
Formulacin de modelos de pasos multiples en paralelo con base en relaciones

de influencia y las ecuaciones de comportamiento.
INTRODUCCIN
La dinmica de sistemas es una metodologa ideada para resolver
problemas
concretos.
Inicialmente
se
concibi
para
estudiar
los
problemas que se presentan en determinadas empresas en las que los

retrasos en la transmisin de informacin, unido a la existencia de
estructuras de realimentacin, da lugar a modos de comportamiento
indeseables,
normalmente
de
tipo
oscilatorio.
Originalmente
se
denomin dinmica industrial. Los trabajos pioneros se desarrollan a

finales de los anos 50, y durante los 60 tiene lugar su implantacin en
los medios profesionales [1] [2]. Esta implantacin se produce tan- to de
una forma ms o menos pura, siguiendo lo que podemos deno- minar la
ortodoxia forresteriana, como, ms habitualmente, de forma eclectica,
en simbiosis con otras metodologas de anlisissistemico. En particular,
los diagramas de Forrester, o de flujos-niveles, que ve- remos luego, han
alcanzado una amplia difusin y son empleados aun por aquellos que no
mencionan explcitamente la dinmica de sistemas.
A mediados de los 60, Forrester propone la aplicacin de la tecnica que
haba desarrollado originalmente para los estudios indus- triales, a
sistemas urbanos. Surge as lo que se denomin la dinmica urbana [3]
[4] en la que las variables consideradas son los habitantes en un rea
urbana, las viviendas, las empresas, etc. Una aplicacinanloga a la
dinmica urbana la constituye la dinmica regional. Con estos modelos
se pretende aportar un elemento auxiliar para la planificacin urbana y
regional, representando las interacciones que se producen entre las
[Escribir texto]
Pgina 4
principales magnitudes socio-econmicas del rea correspondiente [5], y

generando, a partir de ellas, las evoluciones de las magnitudes
consideradas significativas: habitantes, indicadores econmicos, etc.
para, a partir de estas evoluciones, planificar las ne- cesidades de
infraestructura y otras.
MARCO METODOLOGICO
Surgimiento de la Dinmica de Sistemas. En torno a la Segunda Guerra
Mundial comienza el desarrollo de las computadoras como mquinas
electrnicas dotadas de gran capacidad de clculo y que seran llamadas
a impulsar los desarrollos cientficos y tecnolgicos en todos los campos
del saber y quehacer humanos. A consecuencia de esto se inicia
tambien un cuerpo de doctrina denominado informtica (Aracil 1983)
tendiente precisamente a estudiar el uso del computador. Casi
simultaneamente, Norbert Wiener (1894 1964) dio el nombre de
cibernetica a otra elaboracin paradigmtica a 5 partir del anlisis de los
procesos de comunicacin y control tanto en mquinas como animales,
dando como resultado uno de los ms importantes conceptos
actualmente en uso para el anlsis de los sistemas sociales: los
mecanismos de retroalimentacin (feedback). Wiener advirti la
existencia de procesos de retroalimentacin y control en una
considerable gama de sistemas naturales y sociales, procesos estos que
permiten la autorregulacin en los organismos vivos y en los
servomecanismos de los dispositivos tecnicos. Al respecto resulta
importante volver sobre las explicaciones que sobre la cibernetica del
primer y segundo orden han sido comentadas al comienzo de este libro.
En los anos de la postguerra, el bilogo L. von Bertalanffy acuna el
termino teora general de los sistemas.
La Teora General de Sistemas conforma una manera sistemtica y
cientfica de aproximacin y representacin de la realidad, permitiendo
adems formas de trabajo interdisciplinarias. La fundamental
caracterstica de este paradigma cientfico se encuentra en su
perspectiva holstica e integradora, donde lo importante a ser
[Escribir texto]
Pgina 5
considerado son las interrelaciones y los conjuntos de elementos que por

su particular comportamiento permiten sean distinguidos del entorno.
Esta forma de observar la realidad surge en contraposicin a los
enfoques analticos y reduccionistas que se venan empleando hasta
entonces.
A partir de principios extrados de la biologa, Bertalanffy conforma
entonces una idea de totalidad orgnica, enfrentada con el anterior
paradigma que se basaba en una imagen inorgnica del mundo. Cuando
se habla de sistemas aparece la idea de totalidad, pero las propiedades
de esa totalidad no responden a la simple agregacin de partes o
componentes y sus respectivas propiedades. Esa totalidad surge como
algo distinto de sus componentes, y sus propiedades se generan en el
interjuego de relaciones de dichas partes, surgiendo tambien como
distintas a las de quienes la conforman. Esta explicacin responde al
principio Aristotelico de que el todo es ms que la suma de las partes
(todo / parte). Tomando este primer principio y enriqueciendolo,
Bertalanffy observa que un sistema es distinguible de su entorno por la
particular manera de relacionarse de sus componentes entre s y con
respecto al medio donde se desenvuelve. Incorpora entonces un
segundo paradigma: la relacin todo / entorno, quedando de esta
manera explicitado que un sistema establece un flujo de relaciones con
el ambiente donde acta. Evidentemente, en esa relacin con su
entorno, el sistema se ver obligado a efectuar adaptaciones en su
interior de 6 maneras que su accionar resulte congruente con el marco
que le presenta el ambiente donde se desenvuelve.
Tenemos as un sistema que persigue un objetivo, tomando en
consideracin su supervivencia y la sustentabilidad de dicho objetivo,
donde sus partes integrantes son interdependientes, y donde se produce
un flujo de entradas y salidas por las cuales queda establecida una
relacin con el entorno. De esta manera, la Teora General de Sistemas
intenta aprovechar una tendencia generalizada a la integracin de parte
de todas las ciencias, intentando sentar bases para una teora integrada
de la organizacin y la complejidad. La aparicin de estas disciplinas,
informtica, cibernetica y teora general de sistemas, conforman el
denominado paradigma sistemico, a raz del cual surge la dinmica de
sistemas como metodologa especfica, como herramienta de aplicacin
de, precisamente, todas las proposiciones tericas sustentadas por esta
particular y consensuada manera de analizar los sitemas.
A partir de este desarrollo, otras similares metodologas fueron
surgiendo con el transcurso del tiempo, como por ejemplo la
denominada System Thinking, o como el Pensamiento Sistemico
explicitado por Peter Senge en sus recientes publicaciones, por citar
algunas de las ms conocidas. Es as que promediando el XX, el
ingeniero Jay W. Forrester es llamado a resolver un problema relativo a
[Escribir texto]
Pgina 6
oscilaciones bruscas en los pedidos de la empresa Sprague Electric, de

similar fisonoma a los que se producan en los servomecanismos
compensados incorrectamente. (Aracil, 1983). Jay Forrester advirti que
las tecnicas de investigacin operativa y las simulaciones de tipo Monte
Carlo no conducan a resultados satisfactorios, dado que reconoci la
importancia que jugaban en el problema los procesos de
retroalimentacin de informacin y los retrasos en la transmisin de
informacin. As Forrester estudi la idea de que los bucles de
retroalimentacin con retrasos producan las oscilaciones. De esta
manera dio origen a la denominada Dinmica Industrial. Con
posterioridad, y ante lo positivo de los resultados obtenidos por la
Dinmica Industrial, esta metodologa fue empleandose a otros tipos de
sistemas, principalmente al estudio de las ciudades (dinmica urbana).
En 1970 Forrester fue invitado por el Club de Roma para intentar aplicar
su metodologa a la elaboracin de un modelo del mundo. De tal
manera, la antigua denominacin se cambi por Dinmica de Sistemas.
La Dinamica de Sistemas trata de construir, recurriendo al conocimiento
de expertos, modelos dinmicos de un determinado sistema, donde los
bucles de retroalimentacin 7 juegan un papel primordial.
PROBLEMTICA DE CONOCIMIENTOS QUE SE RESUELVEN CON

LOS SISTEMAS DINAMICOS
Estos modelos son suceptibles de ser expresados matematicamente, con
lo que, pueden ser utilizados en un computador para realizar
simulaciones. Los sistemas sociales son esencialmente dinmicos, esto
significa que varan en su conformacin con el paso del tiempo. La
variable tiempo no puede ser separada de la consideracin de un
sistema social, dado que una de las caractersticas fundamentales de
este es la retroalimentacin. Por medio de la retroalimentacin, un
sistema controla objetivos deseados y objetivos alcanzados,
modificaciones en el entorno, etc., y produce los cambios necesarios
para corregir una direccin no deseada, con lo que se logran nuevos
productos cuyo impacto vuelve a ser tomado por el proceso de
retroalimentacin, y as sucesivamente. Bsicamente, la dinmica de
sistemas es una metodologa para estudiar y manejar la complejidad de
los sistemas que se retroalimentan con los resultados de sus acciones,
como sucede por ej. en los negocios. Aqu la caracterstica principal es la
retroalimentacin. Para su aplicacin prctica ha desarrollado una
especial manera de graficar el sistema bajo anlisis (diagrama causal,
diagrama de Forrester). Actualmente, diversas marcas comerciales de
software crearon interfaces que permiten rpidamente captar de los
grficos las relaciones entre los elementos y facilitan la construccin y
simulacin de los modelos matemticos as elaborados. Debemos
[Escribir texto]
Pgina 7
reconocer los particulares inconvenientes que presentan los sistemas

sociales al momento de su anlisis, dado que en ellos interviene la
conducta humana. En un sistema social, al decir de Jay W. Forrester, las
personas actuaran como dientes en el engranaje social y econmico; los
individuos representan sus respectivos papeles a la vez que son movidos
por la presin impuesta por todo el sistema. La dinmica de sistemas
combina la teora, los metodos y la filosofa de los sistemas para analizar
su comportamiento, habiendo surgido por la bsqueda de una mejor
comprensin de la administracin empresarial, extendiendo hoy su
aplicacin a los campos de la ecologa, la poltica, la medicina, etc. La
dinmica de sistemas muestra cmo van cambiando los estados de un
sistema bajo observacin a traves del tiempo.
El punto de partida de un proyecto de dinmica de sistema ser un
problema a resolver o un comportamiento indeseable a corregir que ha
sido observado o percibido en un sistema social. Para comenzar se
recaba la informacin que, quienes participan en el sistema, poseen en
sus mentes respecto del comportamiento de este. Estas personas nos
permitirn conocer la estructura del sistema y las normas que rigen sus
decisiones. Tengase en cuenta entonces que no nos valdremos solo de
datos cuantitativos, mensurables, sino que 8 hecharemos manos a algo
mucho ms prometedor: la experiencia humana. Trataremos de
descubrir las formas de retroalimentacin que dispone el sistema, y
organizaremos la informacin de manera de poder contar con un
adecuado modelo representativo de la realidad bajo anlisis. Al
examinar una compana, usamos nuestro conocimiento sobre la manera
en que la estructura y las polticas determinan el comportamiento.
Entrevistamos a la gente en relacin con el modo en que toman sus
decisiones. Las declaraciones que describen los motivos por los cuales
se toman decisiones constituyen polticas que gobiernan una
determinada accin. Un modelo de dinmica de sistemas es una
estructura de polticas en interaccin. Ellas determinan las decisiones
cotidianas. (Forrester, 1998). Aqu Forrester se refiere a una empresa
comercial, y es pertinente tomarlo como ejemplo, ya que las empresas
son formaciones sociales que persiguen objetivos y estn dotadas de
racionalidad
(Maintz, ......), o sea, son en definitiva, sistemas sociales. Las entrevistas
permiten elaborar un modelo descriptivo del comportamiento del
sistema, que con toda seguridad ser demasiado complejo para ser
captado y resuelto por la mente humana, por ello debemos recurrir a la
simulacin por computadora: bsica y simplemente, el modelo es
expresado en cuanto a sus relaciones por medio de ecuaciones
matemticas y lgicas que permitan su resolucin por medio del
ordenador.
[Escribir texto]
Pgina 8
As, estaremos en condiciones, siempre que el modelo sea

suficientemente
representativo
del
sistema,
de
simular
el
comportamiento de este a lo largo del tiempo probando en el distintas
medidas o cambios. De esta manera no correremos los riesgos de
experimentar nuestras decisiones en la realidad, ni deberemos
esperar para evaluar los resultados. Esto permitira por ejemplo,
detectar que la retroalimentacin de los efectos de determinado cambio
considerado a priori conveniente, a traves del tiempo resulta
contraproducente porque no ha atacado el problema sino disimulado los
sntomas. La dinmica de sistema ayuda a comprender de que manera
las polticas afectan las decisiones: se construye un modelo de
simulacin donde se incluyen los centros de toma de decisin y las
polticas que deben atender.
De esta forma el modelo generar flujos de decisiones controladas por
las polticas y generando un determinado estado del sistema, el que se
retroalimentar de los resultados obtenidos y volver a generar flujos de
decisiones que responden a polticas, y as sucesivamente. Es fcil darse
cuenta entonces que, si el comportamiento observado a traves del
tiempo en la simulacin es indeseable, habr que cambiar las polticas. 9
Resultan sumamente alentadoras las expectativas de Forrester cuando
sostiene que el diseno de sistemas sociales se convertir en una
profesin reconocida. Los disenadores de empresa sern capaces de
reducir el nmero de errores en la estructura y polticas de las
instituciones sociales. Un diseno correcto puede hacer que una empresa
sea menos vulnerable a los cambios en el entorno empresarial... puede
mejorar la estabilidad de empleo y produccin dijo Forrester. Y esto
representa un muy serio desafo para el sistema educativo La Simulacin
de un Modelo de Dinamica de Sistemas: Simular un modelo elaborado
con la metodologa de la dinmica de sistemas implica en primer
termino, reproducir en la computadora el comportamiento del sistema
real modelado. Mediante el proceso de simulacin se logran varios
objetivos importantes: - identificar los elementos ante cuyas variaciones
el sistema es ms sensible - probar nuestras hiptesis o apoyar nuestras
decisiones referidas a cambios en las polticas que determinan el
comportamiento del sistema, sin operar directamente sobre el sistema
real - analizar los efectos a mediano y largo plazo de la instrumentacin
de cambios en el sistema - explicar clara y concretamente las acciones a
tomar Con la simulacin se obtendrn los diferentes estados del sistema
en cada unidad de tiempo y correspondientes a cada cambio en sus
parmetros. Trabajando con el Pensamiento Sistemico: Una actual lnea
de accin que se basa en los conceptos de la teoria general de sistemas,
preferentemente aplicada a los sistemas sociales empresa, y que tiene
como uno de sus principales exponentes a Peter Senge, desarrolla lo que
denomina pensamiento sistemico como metodologa de abordaje de
este tipo de sistemas.
[Escribir texto]
Pgina 9
Esta lnea investigativa es coincidente con la corriente denominada

system thinking, tambien abocada al anlisis de los sistemas abiertos al
aprendizaje, y que al igual que en el pensamiento sistemico intenta
descubrir patrones de comportamiento dinmicos (arquetipos)
mostrandolos de manera grfica con la utilizacin de los denominados
diagramas causales. Se trata de una mejor, ms natural y holstica visin
de los sistemas vivos, tales como los individuos, los equipos o las
organizaciones, tratando de obtener una clara visin de la 10 manera en
que sobreviven y prosperan en un ambiente tan dinmico como el
actual. El pensamiento sistemico, al estar orientado a los sistemas
empresa, resulta congruente con conceptos no solo vigentes sino de
total aplicacin en el campo de las organizaciones sociales todas, como
son la planificacin estrategica y el control de gestin. Brevemente, la
planificacin estrategica tiene su punto de partida en la definicin de la
visin y la misin del sistema.
El control de gestin permitir verificar la manera en que se est
cumpliendo con las metas de la misin fijada en pos de la visin
definida. Cuando nuestro anlisis debe focalizarse en formaciones
sociales, no en meros agregados sociales, de cualquier tipo (tipo
empresa, organizaciones gubernamentales, ONGs), los conceptos de la
planificacin estrategica deben ser tenidos en cuenta, ya que habr una
imagen del futuro que se desea (visin), lo que puede llegar a
alcanzarse si se realiza el propsito para el cual la organizacin social se
ha conformado (misin) que para ser llevado a cabo convenientemente
requiere cumplir con pautas y compromisos fijados (metas) los que
sern medidos peridicamente para corregir los desvos que pudieran
producirse (control de gestin). Una idea de la manera de introducirse
en el conocimiento de la formacin social bajo anlisis podra ser a
traves de preguntas de este tipo:
a) Dnde queremos estar o llegar?
b) Cmo sabremos cuando hemos llegado all?
c) Dnde nos encontramos en este momento?
d) Cmo recorreremos el camino que resta?
e) Que puede llegar a cambiar en el entorno en el futuro?
Cmo se observa, se trata de una manera holstica de encarar el
anlisis, dejando de lado problemas puntuales, y menos an
descomponiendo tales problemas en sus componentes, y sobre todo,
teniendo siempre presente una visin de futuro.
[Escribir texto]
Pgina 10
JUSTIFICACIN DE LA MATERIA
Ya que desde los anos 40 los proyectos de dinmica de sistemas, los
dinamistas han explorado y disenado en miles de empresas y
organizaciones. Han podido elaborar diferentes conjuntos de patrones,
estructuras que en muchos casos se encuentran. Entre ellas
encontramos patrones de modelos aplicados a subsistemas funcionales
de empresas, como: gestin de recursos humanos, gestin logstica y
"supply chain management", gestin de flujo de trabajo, evaluacin de
sistemas de informacin, exploracin de escenarios y planificacin
estrategica.
Pero tambien se usa en otros mbitos, como la economa (modelos
delcrecimiento, modelos de ciclos conjuncturales, formacin de
expectativas) y temas relacionanos con la sustenabilidad y el medio
ambiente (dinmica poblacional, epidemias, efectos de la agricultura
intensiva, industria y contamicacin).
Fuera de los ambitos empresariales, se ha desarrollado un campo grande
en la educacin.
Esto obedece al reconocimiento de que los alumnos y estudiantes de
hoy, sern tomadores de decisiones manana, y si el pensamiento y la
dinmica de sistemas es parte natural de sus competencias, no slo se
ampla la "base instalada" de usuarios de la dinmica de sistemas, sino
que tambien se tomarn decisiones en base de una mejor preparacin
para los alumnos del futuro.
[Escribir texto]
Pgina 11
1.1 FUNDAMENTOS DE LA DINAMICA DE SISTEMAS
Este documento est dedicado al estudio de la dinmica de sistemas.

Mediante este nombre se alude a un metodo para el estudio del
comportamiento de sistemas mediante la construccin de un modelo de
simulacin informtica que ponga de manifiesto las relaciones entre la
estructura del sistema y su comportamiento.
Como punto de partida conviene aclarar el sentido con el que se
utilizarn los dos terminos que aparecen en la anterior caracterizacin.
En primer lugar, empezaremos por sistemaEste termino se emplea con
frecuencia, aunque con distintas acepciones. De modo coloquial
hablamos de un sistema, como de un modo o manera de hacer algo; as,
decimos que tenemos un sistema para resolver un problema o para
alcanzar un objetivo. No es ese el sentido que aqu nos interesa. Ms
formalmente hablamos de un sistema como de un objeto dotado de
alguna complejidad, formado por partes coordinadas, de modo que el
conjunto posea una cierta unidad, que es precisamente el sistema. As,
hablamos del sistema planetario, formado por los planetas unidos
mediante las fuerzas gravitatorias; de un sistema econmico, formado
por agentes econmicos, relacionados entre s por el intercambio de
bienes y servicios; de un sistema ecolgico, formado por distintas
poblaciones, relacionadas mediante cadenas alimentarias o vnculos de
cooperacin; etc... Este es el uso del termino sistema que vamos a
adoptar.
Un sistema, en este sentido, lo entendemos como una unidad cuyos
elementos interaccionan juntos, ya que continuamente se afectan unos
a otros, de modo que operan hacia una meta comn. Es algo que se
percibe como una identidad que lo distingue de lo que la rodea, y que es
capaz de mantener esa identidad a lo largo del tiempo y bajo entornos
cambiantes. Sin embargo, la consideracin de que en la realidad todo
est relacionado con todo puede pecar de excesivamente eterea, y
resultar poco operativa. Por tanto, nos interesar
[Escribir texto]
Pgina 12
concentrarnos en ciertos aspectos de la realidad a los que se pueda

considerar como sistemas, aunque para ello se tenga que prescindir de
alguna
de
sus
conexiones.
Nos vamos a centrar principalmente de la clase de sistemas
caracterizada por el hecho de que se puede especificar claramente las
partes que lo forman y las relaciones entre esas partes mediante las que
se articulan en la correspondiente unidad. La descripcin ms elemental
que podemos hacer de ellos es sencillamente enunciar ese conjunto de
partes y establecer un esbozo de cmo se influyen esas partes entre s.
A esta descripcin elemental asociaremos la imagen de un grafo (vease
la figura 1.1), cuyos nodos son esas partes, y cuyas aristas representan
las influencias que se producen entre ellas. Un ejemplo ms concreto de
grafo de un sistema se muestra en la figura 1.2 que muestra el grafo de
un sistema demogrfico. Este grafo aporta una descripcin de
naturaleza estructural del sistema, y diremos que representa su
estructura. En el tema 2 se ver como se puede realizar esa descripcin.
HIPOTESIS PERSONALES
Con la elaboracion de este proyecto nos pudiomos percatar de que esta
materia no solo nos sirve para resolver problemas sino que aprendimos
que podemos llegar a comprender las causas estructurales que
provocan el comportamiento del sistema. Esto implica aumentar el
conocimiento sobre el papel de cada elemento del sistema, y ver como
diferentes acciones, efectuadas sobre partes del sistema, acentan o
atenan las tendencias de comportamiento implcitas en el mismo. Para
ello podemos usar un software que nos facilitaran las simulaciones de
los modelos para tener resultados mas precisos.
[Escribir texto]
Pgina 13
1.1.1 DESARROLLO DE LA DINAMICA DE SISTEMAS

Para el estudio de los sistemas en general se ha desarrollado lo que
se conoce como metodologa sistemica, o conjunto de metodos
mediante los cuales abordar los problemas en los que la presencia
de sistemas es dominante. En realidad, la metodologa sistemica
pretende aportar instrumentos con los que estudiar aquellos
problemas que resultan de las interacciones que se producen en el
seno de un sistema, y no de las partes del sistema consideradas
aisladamente.
El anlisis de un sistema consiste en su diseccin, al menos conceptual,
para establecer las partes que lo forman. Sin embargo, el mero anlisis
de un sistema no es suficiente; no basta con saber cules son sus
partes. Para comprender su comportamiento necesitamos saber cmo se
integran; cules son los mecanismos mediante los que se produce su
coordinacin. El especialista en sistemas, al estudiar un cierto aspecto
de la realidad analiza cules son los distintos elementos que lo forman,
al tiempo que trata de especificar como se produce la integracin de
esos elementos en la unidad del problema que est analizando. Por
tanto, para el, tanta importancia tiene el todo (el propio sistema) como
las partes, y al considerar al sistema como una unidad lo har sin perder
de vista las partes que lo forman, pero al considerar las partes, no
perder de vista que son parte de un todo.
Aunque lo que se acaba de enunciar puede parecer muy abstracto, se
ir viendo cmo la dinmica de sistemas aporta un ejemplo concreto de
una metodologa en la que se articulan el anlisis y la sntesis, por lo que
nos va a suministrar una muestra de una metodologa sistemica.
[Escribir texto]
Pgina 14
En dinmica de sistemas vamos a ocuparnos de analizar cmo las

relaciones en el seno de un sistema permiten explicar su
comportamiento. Un sistema, como ya se ha definido, es un conjunto de
elementos en interaccin. Esta interaccin es el resultado de que unas
partes influyen sobre otras. Estas influencias mutuas determinarn
cambios en esas partes. Por tanto, los cambios que se producen en el
sistema son reflejo, en alguna medida, de las interacciones existentes.
Los cambios en un sistema se manifiestan mediante su comportamiento
(recuerdese la figura 1.2). Por otra parte, el conjunto de relaciones
constituye lo que se denomina su estructura (recuerdese la figura 1.1).
Por tanto, podemos decir que la dinmica de sistemas trata de poner de
manifiesto cmo estn relacionados la estructura y el comportamiento.
La metodologa sistemica suministra tambien un lenguaje que aporta
nuevas formas de ver los problemas complejos. Las herramientas que
aporta la dinmica de sistemas, desde los diagramas de influencia hasta
los modelos informticos, nos van a permitir ver los sistemas que estn
en nuestro entorno mediante una ptica diferente que nos descubrir
aspectos en los que posiblemente no hayamos reparado y que, de este
modo, nos permita alcanzar una visin ms rica de la realidad.
La dinmica de sistemas es una metodologa ideada para resolver
problemas concretos. Inicialmente se concibi para estudiar los
problemas que se presentan en determinadas.
1.1.2 CICLOS DE RETROALIMENTACION NEGATIVOS Y POSITIVOS.
FLUJOS DE INFORMACION Y TIEMPOS DE RETRASO
Una estructura bsica en el estudio del comportamiento de un sistema

es la estructura de realimentacin. La realimentacin nos va a
proporcionar una transmisin de informacin circular de forma continua.
Esta estructura circular aparece en muchas situaciones (como ejemplo
vease la figura 2.2) y est en el origen de comportamientos complejos.
El proceso de llenado de un vaso es un sencillo ejemplo de un bucle de
realimentacin negativa. Veamos a continuacin con ms detalle el
comportamiento de un sistema con esta estructura. Si suponemos una
variacin en alguno de los elementos. ejemplo un incremento en A, este
incremento producir, de acuerdo con el signo de la influencia, un
decremento de C, que a su vez determinar un decremento de B. Este
ltimo decremento de B producir un decremento de A. Es decir,
mediante la cadena causal circular, el incremento inicial de A se ha
contrarrestado. Cualquier modificacin (incremento o decremento) en
[Escribir texto]
Pgina 15
cualquiera de los elementos vuelve a el, a lo largo de la cadena, con una

accin de signo contrario. Se comprende as el carcter autorregulador
del
sistema
que
posee
esta
estructura.
Las
trayectorias
correspondientes a este tipo de estructura se muestran en la figura 2.6.
El modo de comportamiento autorregulador depende de la estructura
del sistema; es decir, de la forma de organizarse los distintos elementos
que lo forman en una cadena de influencias circular. Cualquiera que sea
la naturaleza de los componentes, siempre que se tenga una estructura
de
realimentacin
negativa,
se
tendr
un
comportamiento
autorregulador. As sucede en mltiples mbitos de la realidad, y se
tienen procesos autorregulados tanto en sistemas artificiales (por
ejemplo los sistemas de regulacin) como en sistemas naturales (por
ejemplo los procesos homeostticos en los seres vivos).
FORMULACION
MATEMTICA
REALIMENTACION NEGATIVA
DE
UN
BUCLE
ELEMENTAL
DE
A continuacin se presenta una formulacin matemtica elemental de

un sistema con una estructura de realimentacin negativa. En la figura
2.7 se muestra un bucle de realimentacin negativa elemental. Los
elementos bsicos de este bucle son:
- el estado del sistema x,
- la accin o Flujo F,
BUCLE DE ALIMENTACION POSITIVA

En la figura 2.11 se muestra la estructura general de un bucle de
realimentacin positiva. En el la perturbacin de cualquier elemento
tiende a reforzarse a lo largo de la cadena, por lo que, por ejemplo, un
incremento de A determina a su vez su propio reforzamiento. En la figura
2.11 se puede observar el comportamiento de un sistema con este tipo
de estructura. El comportamiento que resulta de un bucle de esta
[Escribir texto]
Pgina 16
naturaleza consiste en acelerar o bien el crecimiento, o el declive. El

ejemplo ms simple de un sistema que posea esta estructura es el de
una poblacin que crece sin ninguna limitacin. Cuanto mayor sea el
nmero de individuos, mayor ser su descendencia, que incrementar a
su vez el nmero de individuos, realimentndose el bucle sin parar.
En general, los procesos de crecimiento se pueden explicar mediante
bucles de realimentacin positiva. Pero hay que tener en cuenta el
carcter fuertemente inestabilizador que tienen este tipo de bucles, al
contrario de lo que sucede con los de realimentacin negativa, que son,
estabilizadores.
En realidad, los procesos de crecimiento (o declive) acelerado no se
producen en la naturaleza, o en los sistemas sociales, hasta sus ltimas
consecuencias, porque todo proceso de crecimiento tarde o temprano
encuentra unos lmites que abortarn dicho crecimiento.
FORMULACION MATEMTICA DE UN BUCLE ELEMENTAL DE REALIMENTACION POSITIVA
Anlogamente, como en el caso del bucle de realimentacin negativa, es
posible tener una formulacin matemtica del bucle de realimentacin
positiva en su caso ms elemental. Los elementos bsicos de esta
formulacin son:
- el estado del sistema x, y
- la accin o Flujo F,
y se organizan como se muestra en la figura 2.12.
1.1.3. DIAGRAMAS DE INFLUENCIAS Y DIAGRAMAS DE
FORRESTER
1.1.3.1 DIAGRAMA DE INFLUENCIAS

Para modelar un sistema, es imperativo conocer de antemano las
variables presentes en el (al menos globalmente) y las hipoteticas
relaciones entre ellas; acto seguido, la DS propone la generacin de un
diagrama preliminar que recoge estas dos conductas de entrada; tal
representacin de conoce como diagrama de causal o diagrama de
influencias, que no es ms que graficar la conectividad entre las
[Escribir texto]
Pgina 17
variables a traves de flechas dirigidas. Tales flechas van acompanadas

de un signo ( + -) que indica el tipo de influencia ejercida por una
variable sobre la otra, es as que suponiendo la interaccin entre dos
variables cualquiera A y B:
Dependencia causal entre variables
La parte superior de la figura puede leerse como un incremento en A

produce un incremento en B, o bien un decremento en A produce un
decremento en B. Esta interaccin entre variables se conoce como
relacin positiva. De forma anloga, la representacin hecho en la mitad
inferior describe una relacin negativa, cuya interpretacin es un
incremento en A produce un decremento en B o viceversa. En general,
si A y B son dos partes de un sistema, el hecho de que A influya sobre B
(representando por las flechas) indica que B es una funcin de A, es
decir, B= f(A), aunque no se conozca la forma matemtica exacta de la
funcin.
Cuando se presenta la existencia de una correlacin entre dos
elementos del sistema, sin existir entre ellos una relacin causaefecto
se denomina relacin correlativa,
en contraposicin a la causalidad.
Resulta evidente que la mayora de los sistemas o subsistemas que

existen (incluso por muy simples que sean) no pueden circunscribirse a
slo un par de variables, as como tampoco podra esperarse que la
interaccin entre ellas fuese en un solo sentido, sin que el efecto
[Escribir texto]
Pgina 18
ocasionado genere la interaccin entre ellas fuese en un solo sentido, sin

que el efecto ocasionado genere retroalimentacin para el sistema. Es
as que el tipo de problemas que habitualmente trabaja la Dinmica de
Sistemas se caracteriza por la aparicin de cadenas cerradas de
relaciones causales estructuradas que reciben el nombre de bucles de
realimentacin.
Bucles (tambien llamados ciclos) de realimentacin
Los bucles de realimentacin representan el proceso dinmico que se
traslada por una cadena de causas y efectos a traves de un conjunto de
variables que acaba volviendo a la causa original. Propiamente, un bucle
de realimentacin es el grupo de variables interconectadas por
relaciones causales o de influencia (positiva o negativa), que forman un
camino cerrado que comienza en una variable inicial y que acabe en la
misma variable. Cada bucle de realimentacin tiene una coherencia
semntica, es unidad argumental que describe un suceso sobre la base
de relaciones de causa y efecto siguiendo un discurso unitario.
Existen dos tipos bsicos de bucles de realimentacin, los bucles de
realimentacin positiva, o de refuerzo, y los bucles de realimentacin
negativa, o estabilizadores.
Bucles de realimentacin positiva
Los bucles de realimentacin positiva, tambien llamados de refuerzo o,
msdescriptivamente, de efecto de bola de nieve, son aquellos en los
que lavariacin de un elemento se propaga a lo largo del bucle de
manera queacenta dicha variacin inicial.
[Escribir texto]
Pgina 19
Esa variacin primera puede ser tanto unincremento como una

disminucin de un valor determinado.
Respuestas explosiva [a] y depresiva [b] de los bucles de realimentacin

positiva.
Este tipo de bucle genera un comportamiento de crecimiento o de
decrecimiento del sistema que lo aleja del punto del equilibrio. Es decir,
tiende a desestabilizar los sistemas de forma exponencial. Por lo que
podemos encontrarnos comportamientos que hace que crezca el sistema
de forma explosiva formando un crculo virtuoso (ver Figura [a]); o con
comportamientos depresivos en forma de remolino que se conocen
como crculos viciosos (ver Figura [b]).
Mostramos un ejemplo de bucle de realimentacin positiva. Este ejemplo
tiene su hilo argumental. Un aumento del prestigio de una universidad
hace que aumente la captacin de recursos externos, lo cual redunda en
un incremento del presupuesto de investigacin, y por ende, del
estmulo de los procesos de investigacin, lo cual hace que mejoren los
resultados que se transfieren a la sociedad, lo que a su vez aumenta el
prestigio de la universidad, generndose as un crculo virtuoso que hace
que crezca el sistema con un efecto de bola de nieve. Pero tambien se
puede formar un crculo vicioso, esto es, si disminuye el prestigio,
disminuye la captacin de recursos, por lo que decae el impulso de la
investigacin, lo hace empeorar los resultados y en definitiva disminuye
el prestigio de la universidad entrando en una espiral depresiva.
[Escribir texto]
Pgina 20
Ejemplo de bucle de
realimentacin
positiva
Bucles de realimentacin negativa

A los bucles de realimentacin negativa se les conoce con diversas
denominaciones
(estabilizadores,
equilibradores,
balanceadores,
reguladores o autorreguladores, homeostticos,) y son la base de

cualquier sistema de control o regulacin, tanto natural como artificial.
Son aquellos en los que una variacin de un elemento se transmite a lo
largo del bucle de manera que se genere un efecto que contrarresta la
variacin inicial.
Como se aprecia en la la siguiente figura que se mostrara a
continuacin,
tienden
buscar
asintticamente
un
equilibrio.
Habitualmente su comportamiento lleva implcito un objetivo (exgeno),

lo que hace que este tipo de comportamientos se conozca como
comportamiento de bsqueda de objetivos (Goal Seeking).
[Escribir texto]
Pgina 21
Respuesta estabilizadora de los

bucles
de
realimentacin
negativa.
Mostramos un ejemplo de bucle de realimentacin negativa aplicado al

mismo campo que el ejemplo anterior, pero con una lnea argumental
diferente.
Un aumento del prestigio de una universidad hace que aumente el

nmero de alumnos matriculados; esto supone que crezca el tiempo que
tiene que dedicar el profesorado a la docencia (atencin al alumno,
seguimiento de trabajos, evaluaciones,), lo que hace que disminuya el
tiempo que puede dedicar a labores de investigacin. Si disminuye la
investigacin, se obtienen menos resultados y se pierde prestigio. Pero si
disminuye el prestigio, se reducir el nmero de alumnos y el tiempo
dedicado labores docentes, con lo que aumentar el tiempo para
investigar. Y de esta manera el sistema se ir regulando hasta llegar a
un punto de equilibrio.
Ejemplo de bucle de realimentacin negativa.
[Escribir texto]
Pgina 22
El Diagrama Causal de un sistema no est compuesto exclusivamente

por un nico y aislado bucle de realimentacin, sino ms bien todo lo
contrario. Un Diagrama Causal encierra diversos bucles de
realimentacin que comparten variables y relaciones de causalidad.
La interaccin combinada de diferentes bucles de realimentacin puede
producir numerosas respuestas del sistema ms complejas que la
respuesta exponencial o que la respuesta de bsqueda de objetivos.
[Escribir texto]
Pgina 23
Ejemplo de Diagrama Causal con dos bucles de realimentacin

integrados.
Retardos
Los retardos son inherentes a la mayora de los sistemas y pueden tener
una influencia notable en el comportamiento de un sistema. La Dinmica
de Sistemas acepta la existencia de los retardos y en el proceso de
modelado y simulacin se distingue entre relaciones de influencia que se
producen de forma ms o menos instantnea y relaciones de influencia
que tardan un cierto tiempo en manifestarse. En este caso, se asocia un
retardo a dichas relaciones de influencia.
Un retardo no es ms que el tiempo que transcurre entre una causa y
sus efectos y en los modelos sistemicos se manejan como procesos cuya
salida se retrasa en alguna manera con respecto a la entrada.
En los bucles de realimentacin positiva un retardo ocasiona que el
crecimiento (o decrecimiento) no se produzca de forma tan rpida como
cabra esperar. Sin embargo, el efecto de los retardos es especialmente
sensible en el caso de los bucles de realimentacin negativa. En este
caso, el comportamiento, en lugar de aproximarse de forma suave hacia
el equilibrio, puede mostrar respuestas que se sobrepasen, hacia arriba
o hacia abajo, dicho nivel provocando que el sistema oscile, a veces
violentamente.
En las organizaciones los retardos se deben a la transferencia tanto de
informacin como de material. Suelen estar embebidos en los diferentes
procesos de negocio y produccin o de apoyo, como los procedimientos
de preparacin y arranque o de renovacin y reparacin. Pero los
retardos ms nocivos son los retardos estrategicos, en los que los
[Escribir texto]
Pgina 24
efectos de las polticas y estrategias ocurren mucho tarde que las

acciones que las ocasionaron, y a menudo en lugares no esperados,
dado que suelen existir relaciones causa-efecto subyacentes que estn
enmascaradas
en
el
tiempo
en
el
espacio.Algunos
retardos
estrategicos tienen consecuencias serias y a veces desastrosas. La

lentitud de los resultados hace que se acte con precipitacin lo que
suele conducir a una oscilacin del sistema. Esta falta de conciencia de
los retardos sistemicos es lo que hace que los lderes tomen decisiones
errneas o que intervengan innecesariamente y de forma perjudicial.
En Dinmica de Sistemas el proceso de modelado comprende los
siguientes pasos fundamentales:
Elaboracin de un modelo mental
Transcripcin del modelo mental a un diagrama de influencias, y
Conversin del diagrama de influencias en un diagrama de
Forrester, a partir del cual se dispone de un modelo matemtico
que puede ser programado en una computadora
Simular el comportamiento del sistema bajo diversas condiciones
Utilizar resultados de la simulacin para entender las
interrelaciones entre los elementos del sistema en el tiempo
Fase de modelado cuantitativo
Como ya hemos adelantado en el apartado anterior, un Diagrama Causal
no es suficiente para apreciar el comportamiento de un sistema donde
se entiende que el comportamiento es la manera en que las variables
del modelo varan a lo largo del tiempo. Por tanto es necesario
incorporar informacin sobre el tiempo y las magnitudes de las
variables.
El objetivo final es poder simular el modelo porque la realidad no
permite dar marcha atrs en el tiempo para cambiar las cosas, pero un
[Escribir texto]
Pgina 25
modelo de simulacin permite modificar la estructura del mismo y

analizar su comportamiento bajo distintas condiciones. La Dinmica de
Sistemas proporciona dicho entorno donde poder probar los modelos
mentales que se tienen de la realidad mediante el uso de la simulacin
por computador. La idea de poder simular situaciones de la vida real es
un concepto muy atractivo que facilita y estimula el aprendizaje.
Por lo tanto, al final de esta fase se debe disponer de un modelo
matemtico, o
Modelo Cuantitativo, del sistema para ser simulado en un computador.
Para ello se debe traducir el Diagrama Causal a un Diagrama de
Forrester que es un paso intermedio para la obtencin de las ecuaciones
matemticas que definen el comportamiento del sistema. Durante este
proceso se amplia y especifica la informacin aportada por el Diagrama
Causal
caracterizando
las
diferentes
variables
magnitudes,
estableciendo el horizonte temporal, la frecuencia de simulacin y

especificando la naturaleza y alcance de los retardos. Adems se
considera una buena prctica de diseno no dar por definitivo el
Diagrama Causal hasta no haber desarrollado el Diagrama de Forrester
ya que en el proceso de conexin y ajuste de los niveles y flujos se
pueden rectificar
relaciones que no se haban precisado o advertido
dado que el Diagrama Causal es una visin ms agregada del modelo.
1.1.3.2 DIAGRAMAS DE FORRESTER

Este grafo se deriva del diagrama de influencias y muestra las relaciones
entre las variables y parmetros de un sistema.
Debido a esto y, antes de abordarlo formalmente, es preciso detallar los
tipos de variables inherentes a la modelacin de sistemas dinmicos.
[Escribir texto]
Pgina 26
Variables. Hay tres tipos de variables de acuerdo a su funcin o

cometido dentro del modelo:
Los niveles suponen la acumulacin y variacin en el tiempo de
una cierta magnitud. Son las variables de estado del sistema, en
cuanto los valores que toman determinan la situacin en la que se
encuentra el mismo.
Grficamente se representan por un rectngulo, en cuyo interior
se nombra la variable:
Como ya se ha mencionado con anterioridad, un sistema dinmico se

modela esencialmente a traves de un cierto nmero de ecuaciones con
caractersticas especficas, por lo que es de suponer que cada variable
tenga su notacin algebraica propia. Para el caso de los niveles esta
notacin corresponde a:
N(t+ dt) = No + dt [F (t)]
Donde N (t+ dt) representa la variable de nivel que cambia por unidad
de tiempo t, incrementando su valor inicial No por el efecto de un flujo F
(t).
Los flujos expresan de manera explcita la variacin por unidad de
tiempo de los niveles. Se les conoce tambien como vlvulas y son
aquellas variables que hacen que los nieles crezcan o disminuyan
su valor.
[Escribir texto]
Pgina 27
Los flujos, pues, inciden en el comportamiento de los niveles, lo que es

de hecho una relacin causal y, como tal, son mejor representados a
traves de Flechas con sentido, las flechas representa la transmisin de
informacin o materia entre las variables que hacen que estas cambien.
Por lo tanto un flujo estara mejor representado por un tipo especial de
flecha:
o Flecha de flujo
sta flecha de doble trazado es generalmente utilizada para representar

flujo de material; algunos autores recomiendan diferenciar el flujo de
informacin utilizando para este una flecha de trazado simple.
La figura anterior muestra un tipo especial de nivel que para efectos
prcticos de la simulacin no tiene interes y es prcticamente
inagotable, una especie de sumidero o pozo; tal variable se denomina
nube.
o Nube
La representacin matemtica de un flujo es:

F (t)= * N (t)
[Escribir texto]
Pgina 28
Donde el nivel N cambia por accin del flujo F a una tasa (de
crecimiento o disminucin, y no necesariamente constante) durante un
tiempo t.
Las variables auxiliares son, como su nombre lo indica, variables

de ayuda en el modelo. Su papel consiste en colaborar en la
definicin de las variables de flujo y en documentar el modelo
haciendolo ms comprensible. En muchas ocasiones las variables
auxiliares determinan el valor de una variable de flujo y esta
ltima determina a su vez el comportamiento de la variable de
nivel. Las ecuaciones de las variables auxiliares pueden adoptar
cualquier forma analtica si bien, por su propia naturaleza de
variables anadidas no tienen por que ser expresiones complicadas.
Parmetros. Adems de las variables resenadas, en todo modelo habr

tambien parmetros, o sea, variables que permanecen constantes
durante todo el horizonte temporal de ejecucin del modelo. Se
representan como magnitudes o caractersticas que entran o salen del
modelo a traves de flechas dirigidas.
Ecuaciones.
Todas
las
relaciones
entre
las
variables
deben
ser
explcitamente cuantificadas. La forma ms frecuente de establecer

relacin entre dos variables es mediante una expresin analtica que
proporciona la funcin que relaciona ambas variables. Hasta aqu se ha
hecho una breve descripcin del comportamiento caracterstico de estas
expresiones matemticas, sin embargo, este apartado busca ahondar
aun poco ms en el detalle de estos comportamientos.
Muchas veces no es posible conocer a ciencia cierta la forma de las
ecuaciones que describen a las variables auxiliares, se puede lograr
cierto conocimiento mediante grficas o tablas; este forma de establecer
[Escribir texto]
Pgina 29
dependencias resulta muy til cuando el conocimiento de la relacin

entre
dos
variables
es
de
carcter
experimental
o,
cuando
desconociendo la naturaleza exacta de la relacin se desea introducir

hiptesis plausibles para la misma.
Las ecuaciones ms problemticas de definir son las correspondientes a
algunos flujos, en particular a aquellos que definen las polticas del
sistema; por ello los flujos son los puntos del modelo donde se plasman
las
decisiones
importantes.
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, de
esta manera, una vez establecidas las relaciones y definidos los valores
inciales y parmetros, se dispondr de un modelo de dinmica de
sistemas que es, en ltimas, un conjunto de ecuaciones diferenciales
ordinarias de primer orden.
Ahora bien, una vez definidos los conceptos de variables, parmetros y
ecuaciones, es posible compilar la idea de lo que es un Diagrama de
Forrester. En esta representacin, 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.
o Organizacin de las variables de flujo y de nivel en un Diagrama
Forrester
[Escribir texto]
Pgina 30
En la Figura mostrada con anterioridad

puede verse un diagrama de flujo en abstracto de un posible fragmento
de un modelo cualquiera; en el 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, su valor se establece
en funcin de una variable auxiliar6 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 representado a traves de un Diagrama de
Forrester mantenga la siguiente organizacin:
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.
Las
variables
informacin.
auxiliares
De
forman
hecho,
parte
usualmente
de
los
caminos
aparecern
de
variables
auxiliares entre la informacin que arranca en los niveles y en su

destino final los flujos. stas variables van configurando la funcin
que finalmente definir a un flujo, de manera que documentan en
[Escribir texto]
Pgina 31
forma comprensible cada paso en el tratamiento de la informacin

que determina la definicin de la variable de flujo.
En todo lazo cerrado debe aparecer un nivel y, en consecuencia, al

menos un flujo.
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.
Hay que tener en cuenta que un modelo sistemico incluye otras

funciones con cierto valor semntico como los retardos, que pueden ser
de distinto orden que supone una implementacin que no es trivial.
Adems, el propio hecho de realizar una simulacin por computadora
genera una serie de efectos laterales que condiciona el proceso de
diseno.
Hay que tener en cuenta que no deben utilizarse bucles de
realimentacin exclusivamente con variables auxiliares y flujos ya
que se crearan un conjunto de ecuaciones recurrentes que no
podran solucionarse de forma secuencial ya que se produciran
realimentaciones ilimitadas (como ocurre en el efecto Larsen o
acoplamiento del sonido de un micrfono con el altavoz). De ah
que los bucles de realimentacin deben contener al menos una
variable de nivel, o un retardo, que frene dicha espiral infinita.
[Escribir texto]
Pgina 32
Para el caso de valores menores de una unidad de tiempo, para

definir el t es una buena prctica utilizar una potencia de 0.5
(0.5, 0.25, 0.125, 0.0625,) o combinaciones de estas (0.75,
0.375,). Esto evita errores de representacin en binario de los
valores absolutos menores de 1, porque el valor decimal 0.1 no se
puede representar en binario de manera exacta (porque tiene
infinitos decimales) mientras que las representacin binaria de
potencias de 0.5 (2-1) son exactas.
Hoy da se dispone de entornos de simulacin muy flexibles que
permitenconstruir
un
modelo
de
forma
amigable,
que
generan
automticamente lasecuaciones dinmicas y que simulan los modelos

en tiempo real mostrando sucomportamiento.
La obtencin del conjunto de ecuaciones a partir de un Diagrama de
Forrester es prcticamente directa y se puede hacer manera manual
porque no suele plantear problemas. Pero, como acabamos de indicar,
las aplicaciones actuales de simulacin dinmica las generan de forma
automtica.
1.2 REPRESENTACION MATEMTICA DE LA DINMICA DE SISTEMAS

ECUACIONES DIFERENCIALES Y EN DIFERENCIAS
MODELO MATEMTICO. Descripcin matemtica de las caractersticas
dinmicas del sistema basada en una prediccin de su funcionamiento
antes de que el sistema pueda disenarse en detalle o construirse
fsicamente.
ECUACIONES DIFERENCIALES Y EN DIFERENCIAS.
[Escribir texto]
Pgina 33
Los modelos matemticos se describen en terminos de ecuaciones

diferenciales.
Ecuacin Diferencial Lineal e Invariante en el Tiempo, es aquella en la
cual una variable dependiente y sus derivadas aparecen como
combinaciones lineales; ejemplo:
Posee coeficientes constantes en todos los terminos, por lo que tambien

se llama ecuacin diferencial lineal de coeficientes constantes.
Ecuacin Diferencial Lineal Variante en el Tiempo, es aquella en la cual
una
variable
dependiente
sus
derivadas
aparecen
como
combinaciones lineales; a diferencia con la anterior, algunos de los

coeficientes
de
los
terminos
pueden
involucrar
la
variable
independiente, ejemplo:
d2
x 1 cos 4t x 0
dt 2
Recordar. Una ecuacin es lineal, cuando no contiene potencias,
productos u otras funciones de las variables dependientes y sus
derivadas.
Una ecuacin diferencial se denomina no lineal cuando no es lineal,
ejemplo:
d2
d
x x 2 1 x 2 x 0
2
dt
dt
d2
d
x x x x3 0
2
dt
dt
MODELADO MATEMTICO
[Escribir texto]
Pgina 34
Con la finalidad de no operar con dispositivos (electromecnicos,

hidrulicos, neumticos, electrnicos, etc.) o componentes fsicos, se les
reemplaza por sus modelos matemticos.
Un modelo matemtico debe representar los aspectos esenciales de un
componente fsico. Las predicciones sobre el comportamiento de un
sistema basadas en el modelo matemtico deben ser bastantes
precisas. Se utilizan ecuaciones diferenciales lineales, invariantes en el
tiempo, funciones de transferencia y ecuaciones de estado, para
modelos matemticos de SLIT y de tiempo continuo.
Aunque las relaciones entrada- salida de muchos componentes son nolineales, normalmente esas relaciones se linealizan en la vecindad de los
puntos de operacin, limitando el rango de las variables a valores
pequenos.
Descripcin interna / externa: Modelo de estado.
El modelo de espacio de estados es una opcin para la representacin
matemtica ya que es de extenso uso en teora de sistemas y control.
El metodo de FDT solo es vlido para los SLIT, mientras que las
ecuaciones de estado, que son ecuaciones diferenciales de primer orden
pueden utilizarse para describir tanto sistemas lineales como no
lineales.
El estado de un sistema se refiere a las condiciones pasadas, presentes
y futuras del mismo.
Para describir las caractersticas dinmicas de un sistema es
conveniente definir un conjunto de variables de estado
x t , x 2 t , , x n t .
ecuaciones de estado 1
Definicin:
[Escribir texto]
Pgina 35
Variables de estado: Son un conjunto mnimo de variables x1(t), x2(t)

s-1
,xn(t) tal que

su conocimiento en t = to y la entrada para tt0, caracterizan el
comportamiento del sistema para tt0.
Ejemplo: Dado el siguiente sistema, representarlo en variables de

estado.
Diagrama de lazo
u(t)
U(s)
Sistema
Planta
Proceso
y(t)
Y(s)
d3
d2
y
2
y 6 y 3u t
dt 3
dt 2
3 y ' ' '2 y ' '6 y 3u
x1 y
.
x2 y
..
x3 y
x 1 y x 2
.
..
...
x 2 y x3
x3 y u
[Escribir texto]
2
x3 2 x1
3
Pgina 36
x Ax Bu
x3 x 2 x1
y Cx
U(s)
x 3 x 2 x 1
.

x
.1 0 1
x2 0 0
.
x3 2 0

0
1
2
x1
x
2
x3
2
3
0
0 u
1
x1
y 1 0 0 x 2
x3
Las ecuaciones diferenciales de primer orden, llamadas ecuaciones de

estado, pueden expresarse de manera conveniente en forma matricial.
.
x Ax Bu
y Cx Du
En general para un sistema lineal de orden n para el que hay n variables
de estado, n ecuaciones de estado y p entradas, se tiene:
donde:
x = Vector de estado, formado por una matriz columna de (n
x 1)
[Escribir texto]
X(s) s-1
Pgina 37
A = Matriz del sistema (n x n)

B = Matriz de entrada (n x p)
C = Matriz de salida (1 x n)
u = Vector de entrada (p x 1)
La representacin anterior se generaliza para sistemas MIMO.

A un sistema coordenado n dimensional donde las coordenadas son las
variables de estado se le llama espacio de estados.
DESCRIPCION INTERNA/ EXTERNA.

VARIABLES EXTERNAS := { Entradas, Salidas }
VARIABLES INTERNAS = VARIABLES DEPENDIENTES
las variables internas pueden ser variables externas: p. ej. las salidas
son variables internas y externas a la vez.
VARIABLES DE ESTADO - versin ecuaciones diferenciales
Conjunto de variables internas cuyo valor en un instante t 0 es suficiente
para calcular cualquier otra variable interna en t t0 (conjuntamente con
las senales u[t0, t] ).
ECUACIONES DE ESTADO: CONCENTRAN LA DINMICA.
ECUACIONES DE SALIDA : ECUACIONES ESTTICAS.
MODELO EN EL ESPACIO DE ESTADOS (tiempo continuo)
Ecuacin (Vectorial) de Estado: x t f x t , u t , t
Ecuacin (Vectorial) de Salida: y t g x t , u t , t
[Escribir texto]
Pgina 38
x(t): Vector de Estado, n-dimensional

u(t): Vector de Entrada, m-dimensional
y(t):Vector de Salida, p-dimensional
Por componentes:
x 1 t f 1 x1 t , , x n t , u1 t , , u m t , t
y1 t g1 x1 t , , x n t , u1 t , , u m t , t
x 2 t f 2 x1 t , , x n t , u1 t , , u m t , t
y 2 t g 2 x1 t , , x n t , u1 t , , u m t , t
x n t f n x1 t , , x n t , u1 t , , u m t , t
y p t g p x1 t , , x n t , u1 t , , u m t , t
La notacin anterior permite describir modelos alineales ( f y galineales

en x y/o u ) e inestacionarios (la dependencia directa de f y g respecto
del tiempo permite representar la presencia de parmetros variables). El
modelo estacionario y alineal:
x t f x t , u t
y t g x t , u t
Si las funciones f y g son lineales en x y u el modelo se dice Lineal y se
escribe:
x t A t x t B t u t
y t C t x t D t u t
Para el caso inestacionario
donde A(t),B(t),C(t),D(t) son matrices reales de dimensiones:

A: n x n
[Escribir texto]
Pgina 39
B: n x m
C: p x n
D: p x m
El modelo es Lineal y Estacionario sii estas matrices son independientes
del tiempo .
PROCEDIMIENTO DE MODELADO DEL ESTADO
A partir del modelo fsico de un sistema dinmico, se utiliza el siguiente
metodo para derivar el modelo de estado:
1. Realizar una descomposicin del sistema. Identificar componentes:
trazando diagramas de cuerpo libre, mostrar todas las variables,
entradas, interacciones, convencin de signos, elementos
separados dinmicos y estticos, y escribir las relaciones que rigen
el comportamiento de cada elemento.
2. Asignar variables de estado; a los componentes dinmicos como
primer intento.
3. Escribir la ecuacin de estado para cada variable independiente de
estado. Utilizar las relaciones del paso 1 y cualquier otra relacin
adicional entre variables. Usar el formato para las ecuaciones de
estado.
4. Con base en las consideraciones de los objetivos del modelo,
escriba las ecuaciones de salida y/o modifique las ecuaciones de
estado. Especificar lo que constituye el modelo final del sistema.
1.2 REPRESENTACION MATEMATICA DE LA DINAMICA DE SISTEMAS
Una vez visto en la seccin anterior la construccin de los diagramas de

Forrester, en esta seccin, se muestra como a dicho diagrama se
asocian las ecuaciones funcionales del modelo. En primer lugar
consideremos la relacin entre la variable Flujo de Agua (a partir de
[Escribir texto]
Pgina 40
ahora la denominaremos FA) y la variable Nivel (denominada N). La

evolucin de esta variable de estado (Nivel) viene dada por la
expresin:
N(t + t) = N(t) + t FA(t) (2.2)
que indica que el Nivel N en el instante de tiempo t + t se obtiene
sumando al Nivel que exista en el tiempo t el Flujo de Agua que se
ha producido en el periodo de tiempo entre t y t + t. La ecuacin
anterior recibe la denominacin de ecuacin de estado, e indica como
evoluciona la variable de estado N en funcin del flujo FA que determina
su variacin. Esta ecuacin se puede escribir tambien, empleando
notacin diferencial, de forma alternativa:
El Flujo de Agua FA se determina con ayuda de la expresin:
FA(t) = K D(t) (2.4)
donde K representa una constante y D representa a la variable
Discrepancia. Esta ecuacin, que se denomina ecuacin de flujo,
establece que el Flujo de Agua se obtiene multiplicando la constante K
por la Discrepancia. Las ecuaciones de este tipo (ecuaciones de flujo)
permiten determinar una variable de flujo a partir de determinados
parmetros del modelo (en este caso K), de variables auxiliares (como
D) y/o de variables de estado. El parmetro K toma un valor constante
para cada simulacin del modelo.
En el modelo aparece tambien la variable auxiliar Discrepancia D, que
viene dada por: D(t) = ND N(t) (2.5)
es decir, como la diferencia entre el Nivel Deseado ND y el Nivel N.
Conviene observar que en el modelo adems de la variable de estado N,
el flujo FA y la variable auxiliar D tambien han aparecido unos
parmetros
ND
y
K.
En general, a los parmetros hay que darles un valor numerico para que
el modelo se refiera a una situacin concreta. Ello se hace
habitualmente de una de las dos formas siguientes:
Bien se atiende al significado concreto de esos parmetros, y se dispone
de informacin numerica suficiente para conocer sus valores. Esta
informacin ser suministrada por los correspondientes especialistas 2)
O bien, en los casos en los que no se disponga de informacin sobre los
valores de los parmetros, pero sin embargo se disponga de datos con
relacin a la evolucin de las magnitudes significativas del sistema en
un periodo de tiempo determinado, se pueden emplear tecnicas de
ajuste de parmetros. Estas tecnicas consisten, esencialmente, en
determinar los valores numericos de los parmetros que minimizan
[Escribir texto]
Pgina 41
algn ndice que mida la discrepancia entre los datos histricos de

evolucin del proceso y los generados por el sistema dinmico.
Hasta ahora, con la escritura de las ecuaciones del modelo, o lo que es
lo mismo con el dibujo del diagrama de Forrester, la nica informacin
que se ha considerado es de naturaleza cualitativa. La informacin
cuantitativa se emplea posteriormente para asignar valores numericos a
los parmetros que intervienen en esas expresiones.
El ejemplo que acabamos de ver muestra los elementos bsicos en la
descripcin de un sistema. Sin embargo, en este ejemplo falta un
elemento muy importante: la funcin tabla. Esta funcin permite
representar dependencias no lineales entre variables. Por ejemplo,
supongamos que la variable auxiliar B es funcin de A, mediante una
expresin de la forma B = f(A). Supongamos que la funcin f tiene la
forma que se indica en la figura 2.5. Es habitual que esta funcin se de
mediante una tabla de valores correspondientes a determinados valores
de A. A ello obedece la denominacin de funcin de tabla. En un
diagrama de Forrester se representa mediante un crculo tal como se
indica en la figura 2.5.
Desde un punto de vista matemtico es importante observar que
mediante las funciones tablas se describen las no-linealidades del
sistema que vienen dadas por puntos. Adems, pueden tenerse nolinealidades
mediante
expresiones
analticas.
Con lo visto hasta aqu hemos completado el proceso mediante el cual a
partir de un diagrama de influencias, que representa la descripcin ms
elemental que podemos hacer de un sistema, hemos sido capaces de
obtener el diagrama de Forrester, especializando los distintos elementos
que aparecen en el, a partir del cual tenemos un objeto matemtico muy
elaborado, que es un sistema dinmico, el cual puede ser programado
en un ordenador. Para ello se recurre a lenguajes o entornos informticos
de simulacin adecuados. Aunque la programacin de un modelo como
el que se ha venido describiendo puede hacerse en cualquier lenguaje
de alto nivel, resulta ms cmodo emplear los que se han desarrollado
para tal efecto.
En la actualidad se dispone de entornos de simulacin muy flexibles que
permiten construir un modelo de forma grfica, en la pantalla del
ordenador, empleando iconos, de modo que, combinando estos, se llega
al diagrama de Forrester de forma directa. Estos entornos, una vez se ha
construido este diagrama en la pantalla, generan automticamente las
ecuaciones. En este mdulo utilizaremos el entorno de simulacin
Vensim.
[Escribir texto]
Pgina 42
1.2.1 LAS MATEMATICAS DE LA DINAMICA DE SISTEMAS. LA

FUNCION EXPONENCIAL
El crecimiento exponencial o geometrico transcurre si el ndice de
crecimiento propio de una funcin es correspondiente al presente valor
de dicha funcin, por esta razn se llama formmalmente, ley
exponencial.El relacionamiento entre el tamano de la variable
dependiente con el tamano del ndice de crecimiento es establecido por
razn de la ley de proporcin directa. Teniendo en cuenta lo anterior, se
puede sacar la conclusin de que si una magnitud M posee la variacin
en el tiempo de forma proporcional a su valor, estar implicando un
crecimiento vertiginoso en el tiempo, lo cual correspondera a la
siguiente ecuacin:
Donde:
Mt corresponde valor de la extensin en el instante t > 0;
M0 corresponde al valor del inicio de la variable, valor en t = 0, si
procedemos a tomar mediciones;
rcorresponde a lo que sera la tasa de crecimiento instantnea, tasa
media de crecimiento que ocurre en el transcurso entre t = 0 y t >0
e = 2,718281828459
Se hace referencia entonces al crecimiento de una funcin exponencial
(La funcin exponencial, es lo que conocemos por funcin real e elevado
a la potencia de x, e es correspodiente al nmero de Euler) de modo
que,
Es posible desarrollar el crecimiento exponencial si se toma en la ltima
ecuacin a = 2 y xun entero. Si por ejemplo x = 4, entonces y =
2x2x2x2 = 16. Si x = 10 e y = 1.024, esto sigue continuamente.
El crecimiento exponencial tiene lugar en varias ramas cientficas y
tecnolgicas.Buenos ejemplos de esto son, el modelo de crecimiento de
las
bacterias,
el
crecimiento
demogrfico,
etc.
Estos
son
acontecimientos ajustables a ecuaciones diferenciales cuyas soluciones
conllevan a lo que es una funcin exponencial. Nombraremos ahora
algunos otros ejemplos, e esto son, el modelo de crecimiento de las
bacterias, el crecimiento demogrfico, etc. Estos son acontecimientos
ajustables a ecuaciones diferenciales cuyas soluciones conllevan a lo
que es una funcin exponencial. Nombraremos ahora algunos otros
ejemplos,
1. La cantidad de celulas que hay en un feto durante el desarrollo dentro
del tero.
2. La cantidad de determinados animales en algunos entornos naturales
[Escribir texto]
Pgina 43
cuando hay carencia de depredadores.

Ecuaciones diferenciales
Como ya hemos visto, el crecimiento es exponencial si ocurre que
el crecimiento de la funcin en un punto determinado es
correspondiente al valor de la funcin en dicho punto. Podemos
expresar lo anterior por medio de una ecuacin diferencial de
primer orden. Este tipo de ecuacin diferencial es una ecuacin
diferencial ordinaria dnde se encuentran derivadas de primer
orden en proporcin a una variable independiente, veamos:
M0 corresponde al valor de inicio de la magnitud, de la cual se estudia el

crecimiento exponencial ( t = 0). Cualquiera sea el instante de tiempo
ulterior en esta ecuacin tendremos como resultado que:
Para t > 0 podemos ver que,
siempre y cuando el crecimiento sea de forma positiva r > 0
El patrn de crecimiento de Malthus, (a veces se denomina exponencial
simple) es basicamente un modelo o patrn del crecimiento exponencial
que corresponde a un ndice constante de interes compuesto. El modelo
de Malthus se denomina en general El modelo de Malthusiano en
honor el demgrafo y economista poltico britnico, Thomas Robert
Malthus . En su importante ensayo llamado Ensayo sobre los principios
de la poblacin afirm que el crecimiento de la poblacin algn da
llegara a sobrepasar la oferta alimenticia en el ano 1798, lo cual tuvo
gran influencia en la poltica. Afortunadamente la prediccin de Malthus
no se cumpli, ya que el avance de las industrias elevaron la elaboracin
de productos alimenticios en naciones con buena economa y tambien se
fue reduciendo en estas naciones la tasa de fertilidad.
1.2.2 ECUACIONES DIFERENCIALES ORDINARIAS. METODOS

NUMERICOS DE EULER Y DE RUNGE KUTTA
Metodo de Euler
[Escribir texto]
Pgina 44
El metodo de Euler rara vez se utiliza en la prctica para obtener la

solucin aproximada de un problema de valor inicial, pero se estudia por
su simplicidad en la derivacin de la frmula y de la determinacin del
error. Los metodos de orden superior utilizan las mismas tecnicas, pero
el lgebra que requieren es mucho ms complicada.
Con el metodo de Euler se obtiene una solucin aproximada de un
problema de valor inicial como el que se muestra en la ecuacin (1), en
un conjunto finito de puntos.
Para empezar, se determina la malla {t0, t1, ... , tN} de paso h, donde t0
= a y tN = b. En estos puntos es donde se va a obtener la aproximacin
de la solucin.
Para determinar la frmula del metodo, se parte de un desarrollo de
Taylor de la funcin solucin y(t), alrededor de un punto de la malla, ti,
suponiendo que la funcin y(t) posee derivadas primera y segunda
continuas en (a, b):
Evaluando esta expresin en t = ti+1, para cualquier i, se tiene:
Pero como ti+1- ti = h, resulta:
Como y(t) satisface la ecuacin diferencial, en particular es y'(ti) = f(ti,
yi), entonces reemplazando en la frmula (4) resulta:
Resultando as la frmula del metodo de Euler para aproximar la solucin
en un punto de la malla, teniendo una aproximacin en el punto
inmediato anterior. Como la condicin en el punto a del problema de
valor inicial da el valor inicial y(t0)= a, se tiene entonces la solucin
aproximada en todos los puntos de la malla. Si se llaman yi = y(ti), se
tiene entonces la frmula de Euler dada en la frmula (7):
Implementacin del metodo
A continuacin se presenta el algoritmo del metodo de Euler en
pseudocdigo, para resolver un problema de valor inicial del tipo (1).
ste es un algoritmo para una ecuacin particular, si se quiere
generalizar para una ecuacin cualquiera, con f(t, y) arbitraria, se debe
ingresar tambien como argumento la ley de f. Esto se puede
implementar en cualquier lenguaje de programacin, o en particular, en
programas simblicos o numericos que permitan programar, como
Maple, Mathematica, Scilab o Matlab.
[Escribir texto]
Pgina 45
Con los valores obtenidos mediante este algoritmo se puede lograr un

grfico discreto de la solucin aproximada, o tambien se puede aplicar
un metodo de interpolacin para obtener una grfica continua en el
intervalo. La lista de valores obtenida con el algoritmo se puede utilizar
para comparar resultados, o calcular errores relativos y absolutos
respecto de la solucin exacta, si se conoce.
Ejemplo
Consideremos el siguiente problema de valor inicial.
La frmula de Euler para este problema, tomando N puntos en el
intervalo [1, 2] (sin contar el punto de partida a = 1), resulta:
Aplicamos el metodo de Euler para un paso h = 0,2.
Teniendo en cuenta que h = 0,2, la cantidad de puntos en el intervalo
resulta ser N = 5, y entonces la tabla de valores obtenida con la frmula
dada en (8) resulta:
Ahora, aplicamos la frmula el metodo de Euler con N = 20 y N = 50.
Representamos grficamente los puntos obtenidos, comparndolos con
la solucin exacta, dada por la funcin
Se ve en los grficos obtenidos, que a medida que nos alejamos del
valor inicial, la solucin aproximada pierde precisin (se aleja de la
solucin exacta), para el paso h = 1/20. Cuando se achica el paso, la
solucin mejora (h = 1/50).
Anlisis del error
Al deducir la frmula de Euler para aproximar la solucin de un PVI tipo
(1), al pasar de la expresin (5) a la (6), se descart en la expresin el
error, dado por
De esta frmula surge que el error local de truncamiento en el metodo
es O(h2).
Teniendo en cuenta que, por ser y'' continua,
y tambien que h = (tN t0)/N, se tiene que despues de N pasos, el error
global acumulado es:
Por lo tanto, el error global en el metodo de Euler es O(h).
[Escribir texto]
Pgina 46
El procedimiento anterior puede aplicarse a todos los metodos

estudiados. El orden del error global resulta siempre uno menos que el
orden del error local de truncamiento (el error del clculo de yi+1 para
un solo paso).
En el siguiente teorema se deriva una cota de error para el metodo de

Euler. Ciertas condiciones necesitan verificarse para la funcin que
interviene en la ecuacin diferencial. Algunas son condiciones para que
el PVI tenga solucin nica, otras son especficas para obtener la cota.
Teorema:
Sea el conjunto D = {(t, y) | a t b,- y } y f(t, y) continua en
D, tal que satisface una condicin de Lipschitz en D en la variable y.
Sea y(t) la solucin nica del PVI y' = f(t, y), a t b, y(a) = , y
supongamos que existe una constante M tal que |y'' (t)| M " t [a,b].
Sean w0, w1, , wN las aproximaciones generadas con el metodo de
Euler para N entero positivo. Entonces, para cada i = 0, 1, , N, se
cumple:
Observacin: Este teorema tiene como punto debil el requisito de
conocer una cota de la derivada segunda de la solucin, ya que en
general, la solucin exacta no se conoce. Algunas veces, es posible
obtener una cota del error de la derivada segunda sin conocer
explcitamente la funcin solucin. Por ejemplo, si existen las derivadas
parciales de la funcin f(t, y), aplicando la regla de la cadena, se tiene
que:
Por lo tanto, si se conocen cotas de f y las derivadas parciales de f, se
puede tener una cota de y''.
La importancia principal de la frmula de cota de error del metodo de
Euler dada en (12) consiste en que dicha cota depende linealmente del
tamano del paso h. Esto implica que, al disminuir el tamano del paso, las
aproximaciones debern ser ms precisas.
Pero en el resultado del teorema anterior, no se tiene en cuenta el efecto
que el error de redondeo ejerce sobre el tamano del paso. A medida que
h se hace ms pequeno, aumenta la cantidad de clculos, y se puede
predecir un mayor error de redondeo. Entonces, para determinar una
[Escribir texto]
Pgina 47
cota del error, se debe tener en cuenta el error de redondeo, y se puede

establecer el siguiente teorema:
Teorema:
Considere el PVI y' = f(t, y), a t b, y(a) = , con f continua y tal que
satisface una condicin de Lipschitz en la variable y con constante L, en
el conjunto D = {(t, y) | a t b,- y }.
Sea y(t) la solucin nica del PVI, y supongamos que existe una
constante M tal que |y'' (t)| M " t [a,b].
Sean w0, w1, , wN las aproximaciones generadas con el metodo de
Euler para N entero positivo, donde cada una tiene un error de redondeo
asociado i.
Si |i| para cada i de 0 a N, entonces, para cada i = 0, 1, , N, se
cumple:
Se ve claramente en la frmula dada en (14) que cuando el valor de h se
hace muy pequeno, la cota del error puede aumentar, ya que h aparece
en el denominador de un cociente. La cota de error aqu obtenida, ya no
es lineal en h.
Si se considera la expresin E(h) = h M/2 + d/h, tenemos que tiende a
infinito cuando h tiende a cero. Con esto, se ve que cuando h tiende a
cero, el error aumenta. Podemos establecer una cota inferior para h, de
manera de evitar este problema. Si calculamos la derivada de E(h),
tenemos que E'(h) = M/2 - d/h2, por lo tanto, se anula en el valor . En
este valor de h, E'(h) pasa de ser negativa a positiva, con lo que se
puede concluir que en dicho valor E(h) presenta un mnimo.
Esto indica que este es el valor mnimo que se puede tomar para h. En
general, el valor de d es lo bastante pequeno como para que esta cota
ms baja no influya en la aplicacin del metodo de Euler.
Metodos de Runge Kutta
Los metodos de Taylor tienen la propiedad de un error local de
truncamiento de orden superior, pero la desventaja de requerir el clculo
y la evaluacin de las derivadas de f(t, y). Esto resulta algo lento y
complicado, en la mayora de los problemas, razn por la cual, en la
prctica casi no se utilizan. El metodo de Euler, lamentablemente
requiere de un paso muy pequeno para una precisin razonable.
[Escribir texto]
Pgina 48
Los metodos de Runge kutta tienen el error local de truncamiento del

mismo orden que los metodos de Taylor, pero prescinden del clculo y
evaluacin de las derivadas de la funcin f(t, y).
Se presenta de nuevo el problema de valor inicial cuya solucin se
intenta aproximar:
Como en los metodos anteriores, se determina primero la malla {t0,
t1, ... , tN} de paso h, donde t0 = a y tN = b. En estos puntos es donde
se va a obtener la aproximacin de la solucin.
En esencia, los metodos de Runge-Kutta son generalizaciones de la
frmula bsica de Euler yi+1 = yi + h f(ti, yi) en los que el valor de la
funcin f se reemplaza por un promedio ponderado de valores de f en el
intervalo ti t ti+1, es decir,
En esta expresin las ponderaciones wi, i = 1, ..., m son constantes para
las que en general se pide que su suma sea igual a 1, es decir, w1 + w2
+ ... + wm = 1, y cada kj es la funcin f evaluada en un punto
seleccionado (t, y) para el cual ti t ti+1. Se mostrar que los kj se
definen en forma recursiva.
Se define como orden del metodo al nmero m, es decir, a la cantidad
de terminos que se usan en el promedio ponderado.
Runge-Kutta de primer orden
Si m = 1, entonces se toma w1 = 1 y la frmula (2) resulta
2.1 EL MODELO BASICO DEL PROCESO DE UN PASO Y DE PASOS
MULTIPLES EN SERIE
El Anlisis de Regresin Lineal Mltiple nos permite establecer la

relacin que se produce entre una variable dependiente Y y un conjunto
de variables independientes (X1, X2, ... XK). El anlisis de regresin
lineal mltiple, a diferencia del simple, se aproxima ms a situaciones de
anlisis real puesto que los fen- menos, hechos y procesos sociales, por
definicin, son complejos y, en consecuencia, deben ser explicados en
la medida de lo posible por la serie de variables que, directa e
indirectamente, participan en su concrecin.
Al aplicar el anlisis de regresin mltiple lo ms frecuente es que tanto
la variable dependiente como las independientes sean variables
[Escribir texto]
Pgina 49
continuas medidas en escala de intervalo o razn. No obstante, caben

otras posibilidades: (1) tambien podremos aplicar este anlisis cuando
relacionemos una variable dependiente continua con un conjunto de
variables categricas; (2) o bien, tambien aplicaremos el anlisis de
regresin lineal mltiple en el caso de que relacionemos una variable
dependiente nominal con un conjunto de variables continuas.
La anotacin matemtica del modelo o ecuacin de regresin lineal
mltiple es la que sigue:
Y=a+b1x1
+b2x2
+...+bnxn
presente = a + b1pasado + b2futuro + e
+e
en
donde:
Y
es
la
variable
a
predecir;
a, b1x1, b2x2... bnxn, son parmetros desconocidos a estimar;
y e es el error que cometemos en la prediccin de los parmetros.
Al ocuparnos del anlisis lineal bivariado, anlisis de regresin simple,
vimos como el modelo final resultante poda ser calificado de un buen
modelo. Sin embargo, en muchas ocasiones los modelos bivariados o
simples pueden verse mejorados al introducir una segunda (tercera,
cuarta,...) variable independiente o explicativa. Consideramos que un
modelo de regresin lineal simple se ha mejorado cuando al introducir
en el mismo ms variables independientes la proporcin de variabilidad
explicada se incre- menta. Pero que variables son las que mejor
explican el hecho, proceso o fenmeno social objeto de estudio?; o, que
variables no son necesario incluir en el modelo dada su nula o escasa
capacidad explicativa? Esta es, sin lugar a dudas, la decisin ms
importante ligada al anlisis de regresin mltiple y la inclusin de este
proceso es lo que diferencia, sustancialmente, al anlisis de regresin
mltiple del de regresin simple.
La exposicin de este captulo se estructura en torno a los siguientes
puntos, a saber:
1. Determinacin de la bondad de ajuste de los datos al modelo de
regresin lineal mltiple.
2. Eleccin del modelo que con el menor nmero de variables
explica ms la variable dependiente o criterio. Para ello
exponemos el proceso de paso a paso o stepwise.
[Escribir texto]
Pgina 50
3. Estimacin de los parmetros de la ecuacin y del modelo o

ecuacin predictiva.
4. Exposicin de los pasos y Cuadro de Dilogo del Anlisis de
Regresin Lineal (Mltiple) que podemos seguir para la obtencin
de los estadsticos y las pruebas necesarias citadas en cada uno
de los puntos precedentes.
5. En el anlisis de regresin mltiple, los estadsticos, pruebas y
anlisis que se aplican para determinar la relacin y grado de
asociacin entre una variable dependiente y sus supuestas variables explicativas, as como la estimacin de los parmetros de la
ecuacin, no difieren de los determinados en el anlisis de regresin simple. De hecho, una parte del anlisis de regresin bivariado se realiza aplicando el cuadro de dilogo especfico del
anlisis de regresin mltiple. La diferencia estriba, pues, en que
mientras en el anlisis de regresin simple al contar exclusivamente con la relacin de un par de variables el proceso se resolva en un solo paso; en el anlisis de regresin mltiple es
necesario calcular estadsticos, pruebas y anlisis a medida que
6. vamos introduciendo y/o sacando variables independientes en el
modelo.
7. En el anlisis de regresin lineal mltiple la construccin de su
correspondiente ecuacin se realiza seleccionando las variables
una a una, paso a paso. La finalidad perseguida es buscar de
entre todas las posibles variables explicativas aquellas que ms y
mejor expliquen a la variable dependiente sin que ninguna de ellas
sea combinacin lineal de las restantes. Este procedimiento
implica que: (1) en cada paso solo se introduce aquella variable
que cumple unos criterios de entrada; (2) una vez introducida, en
cada paso se valora si alguna de las variables cumplen criterios de
salida; y (3), en cada paso se valora la bondad de ajuste de los
datos al modelo de regresin lineal y se calculan los parmetros
del modelo verificado en dicho paso. El proceso se inicia sin
ninguna variable independiente en la ecuacin de regresin y el
proceso concluye cuando no queda ninguna variable fuera de la
ecuacin que satisfaga el criterio de seleccin (garantiza que las
variables seleccionadas son significativas) y/o el criterio de elimi[Escribir texto]
Pgina 51
nacin (garantizar que una variable seleccionada no es redundante).

8. 1.- Verificacin de los criterios de probabilidad de entrada.
9. El p-valor asociado al estadstico T, o probabilidad de entrada, nos
indica si la informacin proporcionada por cada una de las
variables es redundante. Si este es menor que un determinado
valor crtico, la variable ser seleccionada. El SPSS por defecto
establece en 0.05 el valor crtico de la probabilidad de entrada.
10.
El criterio de tolerancia puede ser aplicado como un criterio
adicional a la probabilidad de entrada. ste nos ayuda a identificar si alguna de las variables del modelo es una combinacin
lineal de las restantes. Si dicho valor es prximo a 0, la variable
analizada ser una combinacin lineal de las restantes variables
independientes introducidas. Si el valor de la tolerancia se aproxima a 1 puede reducir la parte de la variabilidad de Y no explicada
por las restantes. En sntesis, si la tolerancia para una variable es
muy pequena se excluir del modelo.
11.
2.- Verificacin del criterio de probabilidad de salida.
12.
En este caso, si el p-valor asociado al estadstico T, o probabilidad de salida, es mayor que un determinado valor crtico, la
variable ser eliminada. El SPSS por defecto establece en 0.1 el
valor crtico de la probabilidad de salida (ntese que con la fina-
lidad de que una variable no pueda entrar y salir de la ecuacin en dos

pasos consecutivos, el valor crtico de la probabilidad de salida debe ser
mayor que el de la probabilidad de entrada). En el caso prctico que
recogemos en los resultados puede apreciar- se que las dos variables
independientes han superado los criterios de entrada y de salida.
3.- Lmite al nmero de pasos.
Por ltimo, y para evitar que el proceso de seleccin se con- vierta en un
proceso cclico se debe establecer un nmero lmite de pasos.
[Escribir texto]
Pgina 52
Normalmente este lmite es el que equivale al doble del nmero de

variables independientes.
2.1.1 EL MODELO DE LLENADO DE UN RECIPIENTE DE AGUA

Supongamos que vamos a llenar un recipiente con agua, la cual es
suministrada por un grifo con un flujo G constante, es decir, la razo n del
cambio del volumen con respecto al tiempo transcurrido es constante.
Primer Caso. Recipientes con seccio n transversal constante. Pensemos
en un recipiente cuya seccio n transversal tiene un a rea A constante. A
partir de cualquier instante t, donde la altura es h, si despu es de
transcurrido un tiempo t la altura del l quido ha subido una altura h,
entonces el incremento de volumen V esta dado por:
V = Ah (1) Esto es, el volumen de un cilindro esta dado por el
producto del a rea de la base por la altura.
En ese mismo lapso de tiempo t, la llave ha suministrado un volumen
de agua igual a Gt. Ambos volu menes son iguales, por lo tanto: V =
Gt, es decir, Ah = Gt. De donde obtenemos que:
h
(2) t A
Esto es, la razo n a la que crece la altura es inversamente proporcional

al a rea A y directamente proporcional al flujo. Esto quiere decir que
cuanto m as grande sea el a
rea A de la secci on
ISSN 1988-3145 160 @MSEL
Volumen 6(2), 2013.161 transversal del cilindro, m as lentamente
aumentara la altura. Al inicio del llenado tenemos en
el instante t = 0, que la altura es h = 0. De donde se sigue que: h0 G
=
es decir,
[Escribir texto]
Pgina 53
t0 Ah =
t (3)
A
As que la altura es una funcio n lineal del tiempo: la altura es
directamente proporcional al tiempo con constante de proporcionalidad
G
.
A
Si suponemos que H es la altura del recipiente, entonces lo que hemos
obtenido es que, para
el caso de un recipiente de altura H con seccio n transversal constante,
la gra fica de la altura
del agua con respecto al tiempo transcurrido es un segmento de recta
por el origen, cuyo
G
A
coeficientedirectores ,donde 0hH y,porlotanto, 0t H
paraqueeltiempo AG
final corresponda a h = H.
Para dos recipientes con la misma altura H y con secci on transversal
constante, si para cada altura h, con 0 h H, las secciones
transversales tienen la misma a rea, entonces, independientemente de
la forma, su llenado en funcio n del tiempo esta representado por el
mismo segmento de recta, puesto que, los volu menes de ambos
recipientes son iguales, como establece la f ormula del volumen de un
cilindro: a rea de la base por la altura.
Ahora bien, dado que G es constante, A es el par ametro que determina
el coeficiente director del segmento de recta. As , si se tienen dos
cilindros (cuyas secciones transversales son constantes), tales que la
secci on transversal de uno de ellos triplica en area a la del otro,
entonces el volumen total del primero tambi en triplica al del segundo,
por lo que los tiempos de llenado estara n en la misma relacio n
AB0 2 4 6tiempo Figura 6: La secci on transversal de B triplica en area a
la de A.
Segundo Caso. Recipientes cuya area de la seccio n transversal no es
constante sino que
[Escribir texto]
Pgina 54
@MSEL 161 ISSN 1988-3145

Modelo matem atico del llenado de recipientes 162 E. Marmolejo, J. A.
Riestra
Si el a rea de la secci on transversal var a en forma discreta, trabajamos
por partes como se intenta ilustrar en la Figura 7.
Figura 7: Recipientes cuya secci on transversal var a en forma discreta

Tercer caso. Generalizando, consideremos recipientes en los que el area
de la seccio n transversal no es constante sino que var a
continuamente con la altura h, i.e., el area A de la seccio n tranversal es
una funci on continua (de h).
Figura 8: El a
rea de la secci on transversal var a continuamente
El gasto G es constante como antes. Si suponemos una altura h inicial,
para incrementos pequen os del tiempo, digamos t, la altura sufrira
un aumento (pequen o) h, por lo que el volumen sufrir a
un
incremento V (igual a Gt). Dicho incremento V corresponde al
volumen del so lido comprendido entre las secciones transversales
cuyas a reas son A(h) y A(h + h), respectivamente. La Figura 8 ilustra
dicho s olido (de volumen V ) cuya base, a la altura h (que se
mantendra fija), tiene a rea A(h) y cuya tapa esta a la altura h + h con
a rea A(h + h). En esta figura tambi en se ilustra un cilindro cuya base
y cuya altura coinciden con la del so lido, luego el a rea de su base es
A(h) y su altura h.
La idea es que el volumen del cilindro, dado por el producto del a rea de
su base por la altura, a saber A(h) h, aproxima cada vez mejor al
volumen del s olido en la medida que la altura se aproxima a cero, i.e.
h 0, queriendo con ello decir que el error E en dicha aproximaci on, a
saber: E = A(h)hV con E = E(h) para h fija, no so lo tiende a cero
cuando h hace lo propio, sino que dicho error se vuelve despreciable en
relacio n al valor exacto V , esto es:
Ahora bien, V , el volumen del s olido, crece con h. Dicho volumen s
olo se puede anular cuando h se anula. Por otra parte V = Gt, as
que V crece con t y so lo se anula cuando t se anula, lo que
[Escribir texto]
Pgina 55
garantiza que
lim h=0 t0
Sustituyendo Gt en lugar de V en la relacio n (4) y tomando el l mite
cuando t 0 (lo que implica h 0) tendremos que
Luego entonces
A(h)
lim
= 1. G t0 t
h G
h =lim = (5) t0 t A(h)

La relaci on (5) presupone que el a rea de la seccio n transversal
satisface A() > 0 con variando desde 0 hasta la altura total, lo cual
necesariamente se satisface para > 0 (esto es, el recipiente no puede
estrangularse, lo que implicar a que A() = 0). La u nica excepci on es
la posibilidad de que A(0) = 0, lo cual ocurre en el caso de un cono cuyo
v ertice es la base del recipiente.
Este desarrollo correcto pero intuitivo, que corresponde al tipo de
argumentaci on utilizado en F sica y en Ingenier a, seguramente resulta
muy adecuado dida cticamente hablando.
Observacio n. Recu erdese que el error absoluto con el que un valor x
estima a un valor exacto
X se define por xX (un valor positivo representa una aproximaci on por
exceso y uno negativo
una aproximaci on por defecto). Para el mismo caso, el error relativo de
tal estimacio n se define
xX
por
. Vale la pena resaltar la importancia de que al estimar a la
rebanada V con el X
volumen del cilindro A(h)h, no solamente el error absoluto se vuelve
despreciable cuando h 0, sino que ma s
aun el error relativo tambi
en. Como ambos volu menes tienden a cero cuando h 0, por ese so
lo hecho, el error absoluto, o sea la diferencia, tendera trivialmente a
cero, aunque ambos volu menes no est en relacionados (en la noche
todos los gatos son pardos). El por qu e el error relativo s funciona bien
se explica por la propiedad de que los errores relativos no se acumulan.
[Escribir texto]
Pgina 56
Cuando se aproxima el volumen del s olido con los volu menes de los
cilindros apilados, un error (relativo) del orden del 1% en cada rebanada
asegura un error del 1% en el volumen total, independientemente del nu
mero de rebanadas.
Ahora justificaremos la relaci on (5) con rigor matem atico. Para evitar
argumentos intuitivos, supondremos, adem a
s de que la funcio n a rea A
es continua con A() > 0 para > 0, el hecho de que el volumen V ,
encerrado por el recipiente entre dos alturas cualesquiera h1 y h2, esta
dado por
h
V =donde H es la altura total del recipiente. Como consecuencia del

teorema del valor medio para
integrales, en el caso h1 < h2 tenemos:V =A(h3)(h2 h1), donde h1
<h3 <h2 (7)
Note que como A(h3) > 0, V > 0 siempre que h2h1 > 0. En particular
para 0 h < h+h, donde h > 0 es el incremento en la altura despu es
de transcurrido un tiempo t > 0, tenemos
V =A(h+h)h, donde 0<<1. (8) @MSEL 163 ISSN 1988-3145
h1
A()d donde 0h1 h2 H (6)
164
Modelo matem atico del llenado de recipientes
E. Marmolejo, J. A. Riestra
G
con 0 < < 1 (9) A(h + h)
Y, puesto que por otra parte V = Gt, tenemos Gt = A(h + h)h o

h
=
t
Claramente A(h+h) > 0 pues h 0 y h > 0 (i.e. h+h > 0). Se
[Escribir texto]
Pgina 57
observa de (7) que cuando t 0, necesariamente h 0, por lo que

tomando el l mite cuando t 0, de la relacio n (9), usando la
continuidad de la funcio n a rea, obtenemos la relacio n (5):
G G
h =lim = t0 A(h + h) A(h)

De nuevo, una posible excepcio n ser a que para t = 0 correspondiera
A(0) = 0, en cuyo caso hno estar a definida para t = 0.
Note que de la relaci on (8) se deduce la relaci on (4). En efecto,
A(h)h
= lim
A(h)h
= lim
A(h)
lim
=1
h0 V h0 A(h + h)h h0 A(h + h)La f ormula (5) nos dice
que la tasa instanta nea de llenado es inversamente proporcional al area
en dicho instante. En el caso del cono (Figura 9), tenemos lo siguiente:
r
tan() =
de donde se sigue que
h
h tan() = r
Como tan() es constante, y r depende de la altura h, entonces si c :=
tan(), tenemos que r(h) = ch, es decir, el radio var a linealmente con
respecto a la altura y el area de la secci on transversal esta dada por
2 2
A(h) = c h .
es una ecuacio n diferencial de variables separables que podemos
2 2
expresar de la siguiente forma: A(h)dh = Gdtc h dh = Gdt
Integrando,
2 2
c h dh = G dtEn el instante t = 0, la altura es cero, es decir h = 0; por
lo tanto, la constante de integraci on
[Escribir texto]
Pgina 58
es tambi en cero, luego

3
c2 h =Gt.
3
Despejamos h y obtenemos la altura en funci on del tiempo: 1
3 h(t)=
donde(
3G 3 1
t
3G 1
c2 3
3
) esconstante,0t
H y 0hH. c2 3G
c2
La soluci on que nos interesa depende de la cantidad de agua que tenga
el recipiente como condicio n inicial. Al comenzar el llenado, en la Figura
(a), el cono esta completamente vac o; y en (b), el recipiente ya tiene
cierta cantidad de agua. Pero, claro est a, la solucio n en el u ltimo caso
esta con- tenida en la solucio n del primero.
Lo interesante es que tambi en en este caso general, de seccio n
transversal variable, se sigue
cumpliendo que si tenemos dos recipientes cuyas secciones
transversales tienen la misma a rea
(para cada altura dada) independientemente de su forma, su llenado en
funcio n del tiempo es el mismo. En particular, entonces, tienen el
mismo volumen y se tiene impl citamente el Principio de Cavalieri: Si
dos s olidos tienen, para la misma altura, secciones transversales con la
misma a rea, entonces sus volu menes son iguales. Este principio goz o
de mucha aceptacio n en la ensen anza de la Geometr a hace varias d
ecadas (Evans, 1917 [1]). Al comparar el llenado de dos recipientes, con
seccio n transversal constante o con secci on transversal no constante,
peroque var a continuamente, cuyas areas esta n en una misma razo n,
A
es decir 1 = k, los tiempos A2
de llenado estara n en esa razo n tambi en, al igual que las funciones
que describen el llenado. Ma s
precisamente, si h1(t) y h2(t) son dos
funciones que describen el llenado de dos recipientes de a
reas A1 y A2,
entonces, h2(t) = h1(kt). Si k < 1, la gr afica se alarga horizontalmente,
1
si k > 1 se encoge horizontalmente, en ambos casos, por el factor .
[Escribir texto]
Pgina 59
k
El par ametro que determina la forma de la gra fica del llenado es ahora
la funci on area de la seccio n transversal.
Modelo matem atico del llenado de recipientes 166 E. Marmolejo, J. A.
Riestra
Resumiendo, en los tres casos el para metro que determina la forma de
la gr afica del llenado es el area de la seccio n transversal.
Simulaciones de llenado de recipientes. La secci on de un cilindro es un c
rculo, si el corte se hace perpendicular al eje de rotaci on. Los cilindros
son un ejemplo de recipientes con seccio n transversal constante. Como
mencionamos antes, dos recipientes con secci on transversal constante
y con la misma a rea, tendra n la misma funci on de llenado en funcio n
del tiempo. Es decir, la funci on de llenado de un cilindro y de un prisma
(con igual altura H) es la misma, siempre que las secciones de ambos
tengan la misma a rea. Usando GeoGebra, se puede simular el llenado
de estos recipientes para visualizar la secci on transversal conforme se
va llenando el recipiente (ver Figura 11).
Figura 11: Llenado de un recipiente cil ndrico.

Cuando el a rea de la seccio n transversal no es constante, pero var a
continuamente, como es el caso del cono, tambi en podemos simular la
situaci on y ver c omo va cambiando la seccio n transversal (ver Figura
12). Dos recipientes cuyas secciones transversales tengan la misma
a
rea, tendra n la misma funci on de llenado en funcio n del tiempo.
[Escribir texto]
Pgina 60
Figura 12: Llenado de un recipiente c onico.
2.1.2 EL MODELO DE REPRODUCCION DE PECES. EL MODELO DE

UNA INVERSION A UNA TASA DE INTERES
La economacomo la nuestra que es mucho ms compleja, pues
aparecen tres nuevos protagonistas, el gobierno, el sistema financiero y
el sector externo.
Las familias ofrecen mano de obra a Las empresas y estas a su vez
ofrecen bienes y servicios para su consumo, por su parte el gobierno por
medio de polticas controla la economa influyendo en el nivel general de
gastos de consumo, de los gastos de inversiny de los gastos de
gobierno, con los impuestos contribuye a que las familias tengan menos
dinero para invertir ya sea en proyectos o en artculos de consumo y que
las empresas de esta forma se vean afectadas al ver que parte de su
produccin no esta rotando debido al poco poder adquisitivo que poseen
las familias y de esta forma se veran en la obligacin de reducir su
planta de empleados produciendo as desempleo, al presentarse este
fenmeno no habra necesidad ni modo de seguir produciendo la misma
cantidad de artculos, a su vez el gobierno puede tambien subir las tasas
de interes lo que hara que la inversin disminuya, pues las personas
preferiran poner a rentar su dinero en el sector financiero y este a su
vez se vera afectado pues las empresas solicitaran menos prestamos
porque les saldra mucho mas caro, as las cosas, impedira el
crecimiento de la empresa y si esto sucede puede llegar a desaparecer,
creando as mas desempleo.
Por su parte el sector financiero sirve como intermediario entre familias
y empresas pues del dinero que reciben las familias por la mano de obra
prestada a las empresas una parte va destinada al ahorro que llevaran a
este intermediario a cambio de una tasa de interes que a su vez el
sector financiero pondra en el mercado para que las empresas lo
tomaran en forma de credito para su crecimiento y expansin pero a una
tasa de interes un poco mas alta, a esta diferencia entre el precio de
captacin y el precio de colocacin seria lo que denominamos margen
[Escribir texto]
Pgina 61
de intermediacin.
Paralelamente a esto, el sector externo entra a "jugar" en la economa
por medio de las importaciones y las exportaciones pues por medio de
ellas contribuye al crecimiento o al deterioro de la economa, ya que
cuando las importaciones son mayores que las exportaciones producen
un deficit en la balanza de pagos, y cuando las exportaciones son
mayores que las importaciones produciran por el contrario un supervit,
viendose en ambos casos reflejada la influencia en el nivel de
desempleo y de inflacin. Como se ve, del comportamiento de las tasas
de interes dependen el ahorro y la inversin y en esencia es en estos
dos que se fundamenta el desarrollo del sistema econmico en general.
Ahora bien, para poder hablar del tema principal debemos saber con
mayor claridad que son las tasas de interes.
Pues bien, la tasas de interes son el precio del dinero en el mercado
financiero. Al igual que el precio de cualquier producto, cuando hay ms
dinero la tasa baja y cuando hay escasez sube.
Como lo explique anteriormente cuando la tasa de interes sube, los
demandantes desean comprar menos, es decir, solicitan menos recursos
en prestamo a los bancos o intermediarios financieros, mientras que los
oferentes buscan colocar ms recursos (en cuentas de ahorros, CDTs).
Lo contrario sucede cuando baja la tasa: los demandantes del mercado
financiero solicitan ms creditos y los oferentes retiran sus ahorros.
Completando la definicin anterior hay que mencionar que existen dos
tipos de tasas de interes: la tasa pasiva o de captacin, es la que pagan
los intermediarios financieros a los oferentes de los recursos por dinero
captado; la tasa activa o de colocacin, es la que reciben los
intermediarios financieros de los demandantes por los prestamos
otorgados.
La Decisin de invertir
La decisin que toma un empresario de invertir, es una decisin para
ampliar la reserva de capital de la planta, los inventarios y el equipo
para el proceso de produccin. La cantidad que invierta se vera afectada
por su optimismo respecto al volumen de ventas futuras y por el precio
de la planta y el equipo que se requiera para la expansin. Normalmente
,las empresas piden prestamos para comprar bienes de inversin
.Cuanto ms alto es el tipo de interes de esos prestamos, menores son
los beneficios que pueden esperar obtener las empresas pidiendo
prestamos para comprar nuevas maquinas o edificios y por loo tanto
menos estarn dispuestas a pedir prestamos y a invertir .En cambio,
cuando los tipos de interes son mas bajos ,las empresas desean pedir
mas prestamos e invertir ms.
Debido a que el inversionista considera tambien que la tasa de interes
se debe pagar de los fondos que se inviertan en un proyecto, el volumen
del gasto de la inversin puede estar influido por el banco central.
El gasto de la inversin es un componente del PNB sumamente
[Escribir texto]
Pgina 62
inestable, las fluctuaciones en todos los niveles de la actividad

econmica encuentran su explicacin en las variaciones del gasto de la
tasa de inversin durante el curso de un ciclo econmico.
Por otro lado, un incremento de la tasa de interes disminuye la actividad
de las inversiones.
La Tasa De Interes Y La Determinacin De La Produccin
Como se debe calificar el modelo del multiplicador simple para tomar en
cuenta la naturaleza endgena del proceso de la acumulacin de capital.
Al contestar esta pregunta se descubrir que la tasa de interes se puede
usar como una variable de poltica adicional que influye en el nivel del
PNB. Tambien se comprobara que es til para efectuar importaciones, as
como constituye una complicacin menor, facilita cierto anlisis de los
efectos de la poltica fiscal y de la tasa de impuestos sobre la balanza de
pagos as como el PNB y el empleo.
Forma en que el mercado determina las tasa de interes y las tasa de
rendimiento
Los datos de las tasas de interes proporcionan informacin a partir de la
cual los administradores pueden determinar los costos de oportunidad
de las inversiones.El rendimiento sobre la inversin debe exceder a la
tasa de mercado sobre proyectos de riesgo equivalente.
Razn por la cual difieren las tasa de interes
Las tasa de rendimiento antes de impuestos sobre cualquier activo
puede explicarse mediante cuatro componentes: la tasa de rendimiento
real y esperado la inflacin esperada a lo largo de la vida del activo, la
liquidez del activo y el grado de riesgo del activo. Por ejemplo, la mayor
parte de la diferencia entre la tasa de rendimiento sobre las acciones
comunes, 10.3% y sobre los bonos del gobierno a largo plazo, 4.6%
puede explicarse por el riesgo adicional del capital comn. Las tasa de
interes son una funcin de cuatro componentes:
Tasa nominal de rendimiento =f[E(tasa real), E(inflacin),
E(prima de liquidez), E(prima de riesgo).
La tasa real de Interes La tasa real de interes, es aquella que iguala la
demanda de los fondos con la oferta de los mismos. Las personas
demandan fondos para invertirlos en proyectos rentables. El programa
de la demanda tiene una pendiente descendente porque suponemos que
a medida que se invierte mas dinero, los inversionistas empiezan a
desarrollar proyectos rentables, por lo cual la tasa esperada de
rendimiento sobre inversiones marginales disminuye.
3. La Estructura Aplazos Y La Tasa De Inters
El termino estructura de los plazos de la tasa de interes describe la
relacin que existe entre las tasas de interes y el vencimiento de los
prestamos.
El rendimiento al vencimiento de un bono a largo plazo se calcula del
mismo modo en que se determina la tasa interna de rendimiento de un
[Escribir texto]
Pgina 63
valor. Por ejemplo, suponga que un bono prometiera pagara 14% al final
de cada ano durante tres anos y posteriormente un valor de cartula de
1000 dlares. El precio actual de mercado del bono, B0, ES IGUAL A
1099.47 dlares. El rendimiento al vencimiento del bono, el cual
designaremos como 0RT,puede calcularse (suponiendo un proceso anual
de composicin) resolviendo la siguiente expresin
Valor de
B0 = cupn + cartula
T=1 (1+0RT)1 (1+0RT)T
Resolviendo esta ecuacin, encontramos que el rendimiento al
vencimiento, 0R3, es igual al 10%. Un inconveniente de
esteprocedimiento es que supone que la tasa anual de interes es la
misma cada ano de la vida del bono. Sin embargo ello no es
generalmente cierto. Por ejemplo, se puede ganar un rendimiento
promedio del 10% durante 3 anos recibiendo un 8% en el primer ano,
10.5% en el segundo, y 11.53% en el tercer ano.
Posteriormente expondremos la forma en que se puede utilizar la
estructura de los plazos observada para predecir la estimacin de la tasa
de interes durante cierto periodo.
Explicaciones tericas del termino estructura de los plazos de la tasa de
interes
Teora de las expectativas
La imparcial teora de las expectativas afirma que las tasas de interes
esperadas con iguales a las tasas a plazo calculadas a partir de los
precios de los bonos. La tasa a plazo del periodo n es el rendimiento al
vencimiento que se fija el da de hoy sobre un bono a T anos desde el
ano T-n hasta el ano T. Por ejemplo, en 2000 podemos calcular la tasa a
plazo a un ano de 2001, una tasa pronosticada por los precios actuales
de mercado de los contratos a plazo. Como ilustracin, imaginemonos
como inversionistas cuyo horizonte de planeacin es de dos anos. Sea
0RT el rendimiento al vencimiento de un bono de T anos; sea fT+1 la
tasa a plazo observada desde el ano t hasta el ano (t+1), la cual se
calcula a partir de los precios de mercado de los bonos; y sea E(tRt+1) la
tasa de interes esperada de un periodo. Supongamos que estamos
considerando dos estrategias de inversin alternativas: 1) compra un
bono a dos anos con un rendimiento del 9% anual o 2) comprar un bono
a un ano que redita 8% y posteriormente reinvertir lo que tendremos al
final del ano en otro bono a un ano. Si elegimos la Estrategia 1, al final
de dos anos tendremos:
Valor final = $100(1.09)(1.09) = 118.81 dlares
Si seguimos la estrategia2, nuestro valor esperado al final de dos anos
depender de nuestra tasa esperada sobre el bono a un ano durante el
segundo ano [E(1R2)]:
Valor final = $100(1.08)[1+E(1R2)] = $108[1+E(1R2)]
Segn la teora de las expectativas, el valor esperado de E(1R2) sera
igual al 10.01%, el cual se encuentra de la siguiente manera:
[Escribir texto]
Pgina 64
$118.81 = $108 [1+E(1R2)]

Valor final = $100(1.08)[1+E(1R2)] = $108[1+E(1R2)]
Segn la teora de las expectativas, el valor esperado de E(1R2) sera
igual al 10.01%, el cual se encuentra de la siguiente manera:
$118.81 = $108 [1+E(1R2)]
1+E(1R2) = 1.1001
E(1R2) = 0.1001 = 10.01%
Ahora suponga que los precios reales de mercado mostraron que la tasa
a plazo de un solo periodo en el segundo ano (1f2) es mayor que 10.01%
digamos 10.5%. En este caso, si estamos maximizando nuestro
rendimiento esperado, nos encontrariamos en una mejora posicin si
hicieramos una inversin a corto plazo, porque terminariamos con
119.34 dolares, cifra mayor que 118.81.
Se mantendria justamente lo opuesto si 1f2 fuera inferior a 10.1%. De
tal modo, de acuerdo con la teoria de las expectativas, la competencia
de los mercados de capitales impulsa a las tasa a plazo para que sean
iguales a las tasa esperadas a largo del periodo de tenencia.
tf t+1 = E(tRt+1)
Las tasas de interes a plazo se pueden medir facilmente porque
podemos usar los rendimientos observados al vencimiento. El
rendimiento al vencimineito de T anos sobre un bono debe ser igual al
promedio geometrico de las tasas a plazo a lo largo de su vida. En
general,
(1+oRT)T = (1+oR1)(1+1f2).... (1+T+1fT).
Observe que el primer periodo es decir en el caso del bono mas corto,
por definicin la tasa al contado observa (or1), es igual a la tasa a plazo.
La teoria imparcial de las expectativas trata de explicar las tasa a plazo
que se ha observado afirmando que las tasas esperadas E(trt+1), en
promedio, seran iguales a las tasas a plazo.
Existen algunas razones por las cuales ello no es cierto, primero, los
costos de las transacciones resultantes de rotar un bono a un ano n
veces pueden ser tales que una seria de bonos a un ano no sea un
sustituto perfecto de un bono a n anos. Segundo, existen una cierta
incertidumbre acerca de las tasas de interes a futuro aplicables a un
ano, las cuales no pueden ser inmediatamente resuletas. Estos aspectos
conducen a la posibilidad de establecer una prima de liquidez en la
estructura de los plazos
Teora de la preferencia por la liquidez
Cuando se considera la incertidumbre la teoria pura de las expectativas
debe modificarse. La teoria pura de las expectativas predice que los
bonos a corto y largo plazo se venden a rendimientos iguales. Por su
parte, la teoria de la preferencia por la liquidez sostiene que los bonos a
largo plazo deben redituar mas que los bonos a corto plazo, por dos
razones. Primero, en un mundo incierto, los inversionistas, en general,
prefieren mantener valores a corto plazo porque estos son mas
[Escribir texto]
Pgina 65
facilmente convertibles, ya que pueden convertirse en efectivo sin

perdida del principal.
Por lo tanto, los inversionistas aceptan rendimientos mas bajos sobre
valores a corto plazo. Segundo los prestatarios reaccionan exactamente
en forma opuesta a la de los inversionistas, los prestatarios
generalmente prefieren deudas a largo plazo porque la deuda a corto
plazo expone a la empresas al peligro de tener que reembolsar la deuda
en condiciones adversas.
En consecuencia las empresas prefieren pagar una tasa mas alta,
manteniendose las dems cosas constantes, en el caso de los fondos a
largo plazo.
2.2 PROCESOS DE UN PASO. CONDUCTA DE ESTADO ESTABLE LA

LEY DE LITTLE
La Teora de Colas o Lneas de Espera hace uso de modelos matemticos
para encontrar un balance adecuado entre el nivel de servicio ofrecido a
los clientes y los costos asociados a su prestacin. El objetivo es reducir
el impacto desfavorable de la espera de los clientes o usuarios de un
sistema a niveles tolerables. Notar que la tolerancia de un cliente a la
espera depende de muchos factores que resulta imposible enumerar de
forma exhaustiva, incluso en un anlisis introspectivo se puede apreciar
que nuestra propia tolerancia no es rgida y se ve afectada por
condiciones del ambiente, congestin del sistema, temperatura,
urgencia, etc.
Una descripcin general de la estructura de los modelos que
representan lo que sucede en un proceso o lnea de espera es la
siguiente:
Quick Adsense WordPress Plugin: http://quicksense.net/
1
Clientes con una fuente de entrada (poblacin finita o infinita). Una

poblacin finita se refiere a un conjunto limitado de clientes que usarn
el servicio y en ocasiones formarn una lnea. Por el contrario una
poblacin infinita es lo bastante grande en relacin con el sistema de
servicio.
Clientes entran al sistema y se unen a una cola (tiempo entre llegada de
clientes). Por lo general se supone que el tiempo entre llegada de
clientes se distribuye de forma exponencial. No obstante se puede
corroborar lo anterior a traves de un ajuste de curva para lo cual se
puede utilizar software estadstico como Easyfit.
Se proporciona el servicio (tiempos de servicio) por un servidor (uno y/o
mltiples servidores) a un miembro de la cola, segn una disciplina de
servicio (disciplina de la cola). La disciplina de la cola ms comn es
[Escribir texto]
Pgina 66
FIFO, es decir, se atiende por orden de llegada.

El cliente sale del sistema.
En este contexto uno de los escenarios ms sencillo para el anlisis es
aquel donde existe una fase de servicio, un nico servidor, con una
fuente de entrada infinita y una longitud permisible de la fila ilimitada.
En este contexto uno de los escenarios ms sencillo para el anlisis es
aquel donde existe una fase de servicio, un nico servidor, con una
fuente de entrada infinita y una longitud permisible de la fila ilimitada.
Ley de Little
Un importante resultado matemtico es el demostrado por John Little en
1961, el cual relaciona las siguientes variables:
L : Nmero promedio de clientes en un sistema
W : Tiempo promedio de espera en un sistema
: Nmero promedio de clientes que llegan al sistema por unidad de
tiempo
Luego la Ley de Little establece que el nmero promedio de clientes en
un sistema (L) es igual a la tasa promedio de llegada de los clientes al
sistema () por el tiempo promedio que un cliente esta en el sistema
(W).
La frmula es vlida para sistemas y para sub sistemas, es decir:
Donde Lq es el nmero promedio de clientes que esperan en la fila y Wq

el tiempo promedio que un cliente espera en la fila. Adicionalmente
representa el ritmo del servicio o capacidad del sistema.
[Escribir texto]
Pgina 67
2.2.1 EL PAPEL DE LAS VARIACIONES ESTOCASTICAS EN LOS

MODELOS DE LINEAS DE ESPERA
Se han elaborado modelos para ayudar a los administradores a entender
y tomar mejores decisiones sobre la operacin de las lneas de espera.
En la terminologa de los metodos cuantitativos, una lnea de espera
tambien se conoce como cola y el cuerpo de conocimiento que tiene que
ver con las lneas de espera se conoce como teora de las colas o
simplemente teora de colas.
Los modelos de lnea de espera consisten en frmulas y relaciones
matemticas que pueden usarse para determinar las caractersticas
operativas (medidas de desempeno) para una cola.
Las caractersticas operativas de interes incluyen las siguientes:
1. Probabilidad de que no haya unidades o clientes en el sistema
2. Cantidad promedio de unidades en la lnea de espera
3. Cantidad promedio de unidades en el sistema (la cantidad de
unidades en la lnea de espera ms la cantidad de unidades que se
estn atendiendo)
4. Tiempo promedio que pasa una unidad en la lnea de espera
5. Tiempo promedio que pasa una unidad en el sistema (el tiempo de
espera ms el tiempo de servicio)
6. Probabilidad que tiene una unidad que llega de esperar por el servicio
ESTRUCTURA DE UN SISTEMA DE LINEA DE ESPERA
Para ilustrar las caractersticas bsicas de un modelo de lnea de espera,
consideramos la cola en el Burger Dome, que vende hamburguesas,
papas fritas, refrescos y malteadas, as como un nmero limitado de
artculos de especialidad y postres. Aunque a Burger Dome le gustara
servir inmediatamente a cada cliente, a veces llegan ms comensales de
los que puede manejar el personal de Burger Dome, por tanto, los
clientes esperan en lnea para hacer sus pedidos y recibir sus alimentos.
A Burger Dome le preocupa que los metodos que se usan actualmente para servir a
los clientes dan como resultado tiempos de espera excesivos. La administracin
desea realizar un estudio con el fin de ayudar a determinar el mejor enfoque para
producir los tiempos de espera y mejorar el servicio.
Lnea de espera de un solo canal:
Cada cliente que entra al restaurante de Burger Dome debe pasar por un canal,
[Escribir texto]
Pgina 68
una estacin para tomar y surtir el pedido, para colocar el pedido, pagar la cuenta
y recibir el producto. Cuanto llegan ms clientes forman una lnea de espera y
aguardan que se desocupe la estacin para tomar y surtir el pedido.
Distribucin de llegadas:
Definir el proceso de llegada para una lnea de espera implica determinar la
distribucin de probabilidad para la cantidad de llegadas en un periodo dado. Para
muchas situaciones de lnea de espera, cada llegada ocurre aleatoria e
independientemente de otras llegadas y no podemos predecir cundo ocurrir. En
tales casos los analistas cuantitativos han encontrado que la distribucin de
probabilidad de poisson proporciona una buena descripcin del patrn de llegadas.
Distribucin de tiempos de servicio:

El tiempo de servicio es el tiempo que pasa un cliente en la instalacin una vez el
servicio ha iniciado.
Se puede utilizar la distribucin de probabilidad exponencial para encontrar la
probabilidad de que el tiempo de servicio sea menor o igual que un tiempo t.
Disciplina en la lnea de espera:

Al describir un sistema de lnea de espera debemos definir la manera en
que las unidades que esperan el servicio se ordenan para recibirlo.
En general para la mayora de las lneas de espera orientadas al
cliente, las unidades que esperan servicio se acomodan segn el
principio el primero que llega, el primero al que se sirve; este enfoque se
conoce como disciplina de lnea de espera o disciplina de cola FCFS
[Escribir texto]
Pgina 69
(first-come, first served).

Sin embargo algunas situaciones exigen disciplinas de cola diferentes:
El primero que llega, primero al que se le sirve
ltimo en entrar, primero en Sali
2.3 EL PROCESO DE PASOS MULTIPLES EN SERIE DE FLUJO DE TRABAJO.

EL PROCESO DE UNA LINEA DE ESPERA EN UNA BANDA
TRANSPORTADORA
[Escribir texto]
Pgina 70
[Escribir texto]
Pgina 71
[Escribir texto]
Pgina 72
[Escribir texto]
Pgina 73
[Escribir texto]
Pgina 74
[Escribir texto]
Pgina 75
[Escribir texto]
Pgina 76
2.4PROCESOS ACOPLADOS
[Escribir texto]
Pgina 77
2.4.1 EL MODELO DE UN RESTAURANTE DE COMIDA RAPIDA
[Escribir texto]
Pgina 78
3.1 EL PROCESO DE PASOS MULTIPLES EN PARALELO DE FLUJO DE

TRABAJO
Los pasos para el anlisis de un proceso seran los siguientes:

1. Representacin del proceso: El proceso de representacin del
proceso ha evolucionado hasta convertirse en uno de los instrumentos
ms importantes contra la perdida de tiempo y recursos. Este paso
empez con la construccin de diagramas en bloque, que es lo ms
sencillo, facilitando una visin rpida y nada complicada del proceso.
Consiste en un metodo grfico de mostrar el flujo de actividad a traves
de un proceso, utilizando rectngulos conectados por una lnea con una
flecha al final indicando la direccin del flujo. Una frase corta
describiendo la actividad se recoge en cada rectngulo. El proceso de
Flujogramas es uno de los ms antiguos de las ayudas visuales al
proceso, todava hoy es muy utilizado.
Es un grado ms complejo que los diagramas en bloque. El flujograma
es un metodo de descripcin grfica de un proceso existente o de una
propuesta de nuevos procesos utilizando smbolos sencillos, lneas y
palabras para desplegar pictricamente las secuencias de las
actividades de una empresa. El flujograma presenta grficamente las
actividades que constituyen un proceso en mayor medida que los mapas
representan un rea concreta.
Algunas ventajas de utilizar flujogramas podran ser anlogas a utilizar
mapas para entender las carreteras. Ambos utilizan smbolos que
representan distintas actividades, por ejemplo el ANSI que maneja un
tipo de flujograma estndar sus smbolos sern: 4 Los flujogramas y sus
smbolos son la base fundamental para todas las actividades de
simulacin de modelos. Es esencial que cualquier persona que considere
utilizar modelos de simulacin tenga una comprensin de la tecnologa
de los diagramas de flujos.
2. Anlisis del proceso de actuacin: Este anlisis se desarroll para
obtener datos de actuacin referentes a cada actividad en el proceso y
para utilizar estos datos para calcular la actuacin del proceso total. La
informacin tpica que habra de obtenerse en relacin con cada
actividad es el tiempo del ciclo total, el tiempo de proceso, el tiempo de
espera, el coste y finalmente el rendimiento. La coleccin de datos de
actuacin de las actividades o nivel de tarea de un cuadro de flujo debe
[Escribir texto]
Pgina 79
ser eficiente para ser utilizado para calcular la actuacin del proceso
total. Un programa computerizado es utilizado frecuentemente como
soporte de un anlisis de un proceso de actuacin debido a las
complejidades que se producen cuando el cuadro de flujos incluye un
gran nmero de bloques de decisin.
3. Diccionario del proceso de conocimiento Consiste en una forma de
almacenar, en tiempo real, la informacin relativa a un proceso que se
organiza de acuerdo con cada actividad en el proceso. Esta metodologa
es una extensin del anlisis del proceso de actuacin. Anadido a los
datos de actuacin se suelen recoger todo aquella informacin
relacionada con la actividad. Los tpicos datos adicionales recogidos son:
procedimientos operativos, instrucciones de trabajo y documentos de
formacin. El diccionario del proceso de conocimiento se guarda
normalmente en tiempo real, y es accesible para la direccin y los
empleados que realizan la actividad. El diccionario del proceso de
conocimiento debe estar organizado de tal forma que sea accesible a
traves de cada bloque de actividades en el diagrama de flujos.
4. Anlisis de la variacin en el proceso Hay muchas rosas que pueden
provocar una variacin en el proceso, como son las siguientes: - Un flujo
de trabajo irregular - Diferencias en la complejidad del trabajo individual
- Cambios en los conductores de input - Equipos lentos u obsoletos Variacin estacional La variacin en cada proceso de la empresa est
produciendose simultneamente en cada actividad y la variacin est
sucediendo en muestras tomadas aleatoriamente. Muchas veces se hace
el anlisis del proceso de variacin como una forma de combinar la
variacin que se produce en cada tarea o actividad del proceso, con el
fin de realizar una prediccin realista de la variacin total de todo el
proceso.
5. Animacin del flujo del proceso Hasta el desarrollo de la animacin
por ordenador, el diseno del proceso estaba limitado a una
representacin esttica del mismo. Pero con la animacin del proceso de
flujo a traves de la pantalla del ordenador esto se convierte en algo vivo.
As se puede mostrar el flujo de transaccin a traves del proceso y
determinar como los cuellos de botella afectan al proceso de actuacin.
Por ejemplo, a nivel de una empresa, la animacin puede mostrar a los
clientes que estn esperando mientras las personas que les van a dar el
servicio estn ocupadas, otro ejemplo podra ser el de recursos ociosos
de una empresa como la capacidad no utilizada de un almacen por la
[Escribir texto]
Pgina 80
demora del transporte. 6. Control del flujo de trabajo Este es un modelo

en tiempo real que se utiliza para seguir las transacciones a lo largo del
proceso. Cada vez que una transaccin entra en actividad esta es
registrada en el mismo; cuando abandona la actividad, es desalojada.
La informacin es analizada y computerizada de manera que la situacin
exacta de cada transaccin es conocida en todo momento.
Generalmente el tiempo mximo de una transaccin en cada actividad
especfica est previsto en el programa de ordenador de manera que las
excepciones son puestas de manifiesto y las prioridades reestablecidas.
Como conclusin podramos decir que, estos seis pasos del proceso de
modelizacin de un proceso de simulacin abren las puertas a los
procesos de optimizacin o reingeniera que estn total o parcialmente
integrados en las empresas. De la misma manera que una empresa
desarrolla el objetivo de un proceso, este avanzar progresivamente a
traves de cada uno de estos seis niveles.
3.1.1 MODELOS DE LINEA DE ESPERA EN PARALELO
[Escribir texto]
Pgina 81
[Escribir texto]
Pgina 82
[Escribir texto]
Pgina 83
3.1.2 DISEO DE UN MODELO DE CAJEROS EN UNA TIENDA

COMERCIAL
[Escribir texto]
Pgina 84
3.1.3 REDISEANDO EL MODEOLO DEL RESTAURANTE DE

COMIDAS RAPIDAS
3.1.4 EL MODELO DEL CENTRO DE LLAMADAS TELEFONICAS
[Escribir texto]
Pgina 85
3.1.5 EL MODELO DE MANTENIMIENTO DE MAQUINAS
[Escribir texto]
Pgina 86
[Escribir texto]
Pgina 87
3.2 EL MODELO DE CADENA DE SUMINISTROS
[Escribir texto]
Pgina 88
CONCLUSIONES
Como conclusin a este trabajo para las aplicaciones prcticas de la
Dinmica de Sistemas, podemos decir que segn nuestra opinin
personal, la Dinmica de Sistemas, adems de ser una magnfica
herramienta para tomar decisiones en el mbito empresarial,
medioambiental y social como hemos visto, produce importantes
mejoras en la conducta de las personas.
El aprendizaje de la Dinmica de Sistemas no slo permite una mejor
gestin de las empresas, el aprovechamiento de los recursos naturales o
la resolucin de los conflictos sociales, sino que he observado que
modifica la conducta de las personas. Las personas que conocen los
principios de la Dinmica de Sistemas adquieren una percepcin
diferente de la realidad, que no se basa en la simple linealidad causaefecto. Esta nueva visin les influye en aspectos clave.
En primer lugar detectan con rapidez que problemas van a empeorar y
que otros problemas se van a solucionar solos con el tiempo. Es decir,
all donde existe un problema que provoca inestabilidad actan con gran
rapidez ante cualquier cambio, pero all donde existe un feedback
estabilizador, no actan y dejan que el sistema retorne solo a su
equilibrio inicial.
En segundo lugar las personas adquieren la habilidad de identificar
ciertos patrones de comportamiento clsicos dentro del sistema
Thinking, como la erosin de objetivos, que son permanentes en
cualquier estructura organizada, y se anticipan a ellos antes de que se
produzcan, aunque no exista ningn sntoma o senal de aviso.
[Escribir texto]
Pgina 89
BIBLIOGRAFA
Aracil, J. (1995). Dinmica de sistemas. Alianza Editorial. Espaa

Forrester, J. (199) Industrial Dynamics. USA, Pegassus
McGarvey, B., y Hannon, B. (2004).Dynamic Modeling For Business
Management.USA, Springer.
Osorio, H. (2007). ModeloProspectivo de
integracinorganizacionalporprocesosbasado en dinmica de sistemas:
casoempresas sector elctrico. Colombia: Tesis.
Araceli, J y Gordillo, Francisco. (1995). Dinmica de sistemas. Colombia:
Alianza.
[Escribir texto]
Pgina 90

Dinámica de Sistemas PROYECTO FINAL

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Dinámica de Sistemas PROYECTO FINAL

Încărcat de

Drepturi de autor:

Formate disponibile

INSTITUTO POLITCNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA

PROFESOR: JORGE SIERRA Y ACOSTA

1.2 REPRESENTACIN MATEMTICA DE LA DINMICA DE

2.2.1 EL PAPEL DE LAS VARIACIONES ESTOCASTICAS EN LOS

Formulacin de modelos de pasos multiples en paralelo con base en relaciones

problemas que se presentan en determinadas empresas en las que los

denomin dinmica industrial. Los trabajos pioneros se desarrollan a

principales magnitudes socio-econmicas del rea correspondiente [5], y

considerado son las interrelaciones y los conjuntos de elementos que por

oscilaciones bruscas en los pedidos de la empresa Sprague Electric, de

PROBLEMTICA DE CONOCIMIENTOS QUE SE RESUELVEN CON

reconocer los particulares inconvenientes que presentan los sistemas

As, estaremos en condiciones, siempre que el modelo sea

Esta lnea investigativa es coincidente con la corriente denominada

1.1 FUNDAMENTOS DE LA DINAMICA DE SISTEMAS

Este documento est dedicado al estudio de la dinmica de sistemas.

concentrarnos en ciertos aspectos de la realidad a los que se pueda

1.1.1 DESARROLLO DE LA DINAMICA DE SISTEMAS

En dinmica de sistemas vamos a ocuparnos de analizar cmo las

Una estructura bsica en el estudio del comportamiento de un sistema

cualquiera de los elementos vuelve a el, a lo largo de la cadena, con una

A continuacin se presenta una formulacin matemtica elemental de

- el estado del sistema x,

BUCLE DE ALIMENTACION POSITIVA

naturaleza consiste en acelerar o bien el crecimiento, o el declive. El

- el estado del sistema x, y

1.1.3.1 DIAGRAMA DE INFLUENCIAS

variables a traves de flechas dirigidas. Tales flechas van acompanadas

La parte superior de la figura puede leerse como un incremento en A

Resulta evidente que la mayora de los sistemas o subsistemas que

ocasionado genere la interaccin entre ellas fuese en un solo sentido, sin

Esa variacin primera puede ser tanto unincremento como una

Respuestas explosiva [a] y depresiva [b] de los bucles de realimentacin

Bucles de realimentacin negativa

reguladores o autorreguladores, homeostticos,) y son la base de

Habitualmente su comportamiento lleva implcito un objetivo (exgeno),

Respuesta estabilizadora de los

Mostramos un ejemplo de bucle de realimentacin negativa aplicado al

Un aumento del prestigio de una universidad hace que aumente el

El Diagrama Causal de un sistema no est compuesto exclusivamente

Ejemplo de Diagrama Causal con dos bucles de realimentacin

efectos de las polticas y estrategias ocurren mucho tarde que las

estrategicos tienen consecuencias serias y a veces desastrosas. La

modelo de simulacin permite modificar la estructura del mismo y

estableciendo el horizonte temporal, la frecuencia de simulacin y

relaciones que no se haban precisado o advertido

dado que el Diagrama Causal es una visin ms agregada del modelo.

1.1.3.2 DIAGRAMAS DE FORRESTER

Variables. Hay tres tipos de variables de acuerdo a su funcin o

Como ya se ha mencionado con anterioridad, un sistema dinmico se

Los flujos, pues, inciden en el comportamiento de los niveles, lo que es

sta flecha de doble trazado es generalmente utilizada para representar

La representacin matemtica de un flujo es:

Las variables auxiliares son, como su nombre lo indica, variables

Parmetros. Adems de las variables resenadas, en todo modelo habr

explcitamente cuantificadas. La forma ms frecuente de establecer

dependencias resulta muy til cuando el conocimiento de la relacin

desconociendo la naturaleza exacta de la relacin se desea introducir

construccin del modelo deber dedicarse a la determinacin de estos

En la Figura mostrada con anterioridad

Las lneas de informacin tienen siempre como punto de partida