Simulacion A0430 PDF

UNIVERSIDAD CONTINENTAL VIRTUAL
MANUAL AUTOFORMATIVO
ASIGNATURA
SIMULACIN
Autor:
GUILLERMO ELIAS JARAMILLO CABRERA
INTRODUCCIN
En el mundo actual, tanto en el rea de los negocios, como en la industria y el gobierno, los proyectos en gran escala y de gran complejidad son la regla y no la excepcin.
Estos proyectos complejos requieren estudios previos a su construccin o modificacin, denominados estudios pilotos. Tales estudios pilotos se realizan utilizando la
tcnica llamada modelizacin, es decir, construccin de modelos donde se realiza el
estudio con el fin de obtener conclusiones aplicables al sistema real. Construido el
modelo, el proceso de ensayar en l una alternativa se llama simular.
El conjunto de alternativas que se definen para su ensayo constituye la estrategia
de la simulacin. Los objetivos del proyecto definen cul es el sistema y cul el medio ambiente que lo rodea. El sistema procura satisfacer las necesidades cambiantes de ese medio ambiente en el que est insertado.
Cada nuevo sistema lo modifica y crea en l
poder subsistir debe adaptarse a los cambios.
es realizar ensayos de cambios en el sistema
de elegir la mejor alternativa, y as enfrentar
da.
nuevas necesidades. El sistema para

Uno de los objetivos de la simulacin
probndolos en el modelo, con el fin
mejor a una realidad que vara da a
En esta breve introduccin se destacan tres conceptos fundamentales, que constituyen el eje de esta publicacin y sobre los cuales se da el curso de simulacin de
sistemas.
Los contenidos propuestos en este material de estudio, sintetizan los diversos campos de aplicacin de la simulacin que tenemos como ingenieros y obliga al estudiante a buscar mayor informacin en los textos propuestos.
Guillermo Elas Jaramillo Cabrera
DIAGRAMA DE PRESENTACIN
DE LA ASIGNATURA
RESULTADOS DEL APRENDIZAJE:
Define, analiza, disea, desarrolla y valida adecuadamente diferentes tipos de modelos de sistemas con el propsito de utilizarlos en la ejecucin de experimentos de
simulacin. Ejecuta con eficacia experimentos de simulacin computacional para
reducir la incertidumbre en la solucin de problemas en diversas reas del conocimiento humano. Demuestra una actitud de respeto por los dems, las normas de
seguridad y el medio ambiente.
UNIDADES DIDACTICAS:
UNIDAD I:
UNIDAD II:
UNIDAD III
UNIDAD IV
Introduccin al
modelado y simulacin.
Preparacin y
pruebas sobre
los modelos.
Interaccin del
modelo y su entorno.
Finalizacin y
puesta a punto
del modelo.
TIEMPO MINIMO DE ESTUDIO:

UNIDAD I:
UNIDAD II:
UNIDAD III:
UNIDAD IV:
1 y 2 semana
3, 4 y 5 semana
6 y 7 semana
8 semana
16 horas
16 horas
16 horas
16 horas
UNIDAD I: INTRODUCCIN AL MODELADO Y SIMULACIN.

DIAGRAMA DE PRESENTACIN DE LA UNIDAD I
CONTENIDO
SISTEMA DE
EVALUACIN
ACTIVIDAD
FORMATIVA
RESULTADO DE APRENDIZAJE
Al finalizar la unidad el estudiante elabora un diagrama de influencias y diagrama de Forrester de un caso propio.
CONTENIDOS
Tema N 1: Principios
bsicos de la construccin de modelos.
1. La simulacin como
herramienta cientfica.
2. Beneficios generales
de la simulacin.
ACTIVIDADES FORMATIVAS
Utiliza los principios bsicos de la construccin

de modelos.
Diferencia los componentes de acuerdo a su

naturaleza.
Tema N 2: Definicin
de los principales
componentes de los
modelos.
1. Introduccin a los
modelos.
2. Metodologa del modelamiento.
Tema N 3: Estructuracin de los principales
componentes de los
modelos.
1. Proceso de modelizacin.
2. Uso del software de
modelamiento.
Tema N 4: Ejecucin
de un modelo de simulacin.
1. Uso de Herramientas
de modelado.
Elabora un diagrama
de influencias y diagrama de Forrester de
un caso, propuesto y
elegido por el mismo
estudiante.
Emplea sus conocimientos y los organiza en los
principales componentes
como stocks y variables.
Utiliza el simulador para
elaborar un modelo.
Presentacin de un
resumen, a travs de
un organizador de conocimiento, de una de
las lecturas propuestas.
SISTEMA DE EVALUACIN
Procedimientos e indicadores a
evaluar
Entrega puntual de trabajos realizado.
Calidad, coherencia y
pertinencia de contenidos desarrollados.
Prueba terico-prctica,
individual.
Actividades desarrolladas en sesiones tutorizadas.
Criterios de evaluacin para

el organizador del conocimiento de una de las lecturas seleccionadas.
Conceptos y terminologa
Dominio de las relaciones entre conceptos
Habilidad para comunicar conceptos a travs

del mapa conceptual u
otro.
2. Construccin de un
modelo
RECURSOS:
Videos:
Tema N 1
Principios bsicos de la construccin de modelos.
https://www.youtube.com/watch?v=r8w69KQc1m8
Tema N 2
Definicin de los principales componentes de los modelos.
https://www.youtube.com/watch?v=xC63RFvVpRA
Tema N 3
Estructuracin de los principales componentes de los modelos.
https://www.youtube.com/watch?v=izDiq7AQyP0
Tema N 4
Ejecucin de un modelo de simulacin.
https://www.youtube.com/watch?v=7AKSBDl-5W4
Diapositivas elaboradas por el docente:
Lectura complementaria:
Lectura Seleccionada N 1
El arte de la simulacin cientfica. Tomado de:
http://laaventuradelaciencia.blogspot.pe/2011/08/el-arte-de-la-simulacion-cientifica.html.
Software para el modelamiento, simulacin y programacin de aplicaciones robotizadas. Tomado de: www.redalyc.org/articulo.oa?id=81620149005.
Instrumento de
evaluacin
Rbricas: del diagrama causal, de Forrester y del organizador del

conocimiento.
BASICA
SOKOLOWSKI John A. Principies of Modeling and Simulation A
mul-tidisciplinary Approach Wiley and Sons Inc Publication Hoboken New Jersey 2009
Bibliografa
(Bsica y Complementaria)
Recursos Educativos digitales
COMPLEMENTARIA
COSS BU Ral. Simulacin Un Enfoque Prctico. Mxico D.F.:
EDI-TORIAL LIMUSA S.A., 2003.
GARCA Francisco Simulacin de Sistemas. Mxico D.F.: Compaa Editorial Continental S. A. CECSA 2005
BASE DE DATOS: PROQUEST.
BASE DE DATOS: SCIELO.
Consulta de artculos cientficos de los cuatro primeros temas.
UNIDAD I: INTRODUCCIN AL MODELADO

Y SIMULACIN
TEMA N 1: Principios bsicos de la construccin de modelos.

1. La simulacin como herramienta cientfica.
La simulacin es un procedimiento cuantitativo que describe un proceso al
desarrollar un modelo del mismo y despus conducir una serie de experimentos
de tanteos organizados para predecir el comportamiento del mecanismo con el
tiempo. El observar los experimentos es muy parecido a observar el proceso en
operacin. Para encontrar cmo reaccionara el proceso real a ciertos cambios,
podemos producir estos cambios en nuestro modelo y simular la reaccin del
proceso real a ellos.
Por ejemplo, al disear un avin, el diseador puede resolver varias ecuaciones que describen la aerodinmica del avin. O, si aquellas ecuaciones son
demasiado difciles de resolver, se puede construir un modelo a escala y observar su conducta en el tnel de viento. En la simulacin, nosotros construimos
modelos matemticos que no se pueden resolver y los corremos con datos de
prueba para simular la conducta del sistema. Otros ejemplos: la prueba de medicinas en animales de laboratorio, las pruebas simulan las respuestas de los
humanos. El manejo de automviles en pistas de prueba, simulan el ambiente
que enfrentar el automvil.
En los problemas estudiados hasta el momento hemos podido encontrar
una solucin matemtica. Sin embargo, en cada uno de esos casos el problema
fue simplificado con ciertas suposiciones para que las tcnicas matemticas
apropiadas se pudieran utilizar. No es difcil pensar en situaciones de toma de
decisiones tan complejas que es imposible la solucin matemtica, dado el estado actual del arte en las matemticas. En estos casos la simulacin ofrece alternativas razonables.
En muchas situaciones, las soluciones que resultan de simplificar las suposiciones son apropiadas para el que toma la decisin; en otros casos, simplemente no lo son.
La simulacin es un sustituto apropiado para la evaluacin matemtica de
un modelo en muchas situaciones. Aunque tambin involucra suposiciones, stas son tratables. El uso de la simulacin nos permite proporcionar una percepcin clara a ciertos problemas de toma de decisiones donde la evaluacin matemtica de un modelo no es posible.
En general los modelos de simulacin difieren de los modelos matemticos
en dos aspectos:
Los modelos de simulacin normalmente no se disean para encontrar soluciones ptimas o mejores, como se hace en la programacin lineal. En su lugar se evalan diversas alternativas propuestas y se toma una decisin con
base en la comparacin de resultados. Es decir, se evala el rendimiento de
un sistema previamente especificado.
Los modelos de simulacin generalmente se centran en las operaciones detalladas, ya sean fsicas o financieras, del sistema. El sistema se estudia mientras opera durante el tiempo y se incluyen los efectos de los resultados de un
perodo en el siguiente. A diferencia de los modelos matemticos, los modelos
de simulacin pueden representar al sistema como un todo y no en forma
parcial. Como resultado de esto, todas las relaciones de causa y efecto entre
los diferentes componentes del modelo son consideradas en todos los experimentos del sistema. Por otro lado, la simulacin permite calcular no slo los
valores esperados (medias) de las medidas descriptivas del rendimiento de un
sistema, sino tambin sus valores extremos. Esto es, la simulacin nos brinda
no slo los valores esperados de las medidas de rendimiento relevantes, sino
que adems nos da sus variancias.
Por ejemplo: considere la construccin de un modelo de una fbrica que elabora una serie de productos. Un modelo de programacin lineal podra desarrollar la combinacin ptima de productos. Un modelo de simulacin detallado podra tratar los aspectos especficos de cmo se programara la fbrica
para obtener la combinacin de productos deseada, teniendo en cuenta los
tiempos de preparacin de las mquinas, el tiempo de espera antes del procesamiento y otros detalles que no pueden incluirse en la formulacin de la programacin lineal.
De aqu la importancia de tratar una de las herramientas de la ciencia de la
administracin, utilizada con mayor frecuencia, la simulacin. Se presentarn
los conceptos y procedimientos de la simulacin en computadora. Se hablar
de los distintos lenguajes de simulacin.
El mundo moderno nos impone grandes demandas en el mbito tecnolgico y
profesional. Para que las grandes corporaciones, los medianos y pequeos
negocios puedan subsistir o fortalecer sus ventajas competitivas, sus directivos o dueos tienen que emplear los medios y los procesos adecuados para
levantar datos sobre la operacin y funcionamientos de sus organizaciones y
el medio ambiente que las rodea. Posteriormente se procesan esos datos para
convertirlos en informacin que les permita identificar nuevas oportunidades
para hacer negocios y concretizarlas mediante la asignacin ptima de los recursos disponibles de sus organizaciones.
El mundo de hoy pide productos y servicios de excelente calidad, de bajo precio, a la medida del cliente y con un tiempo de entrega inmediato. En este
ambiente de negocios los directivos requieren de herramientas de anlisis para apoyar su Toma de Decisiones y hacer frente a la revolucionada y dinmica
incertidumbre que rodea a sus negocios. Cul sera la herramienta para un
tomador de decisiones que le permitiera analizar no slo el funcionamiento
presente de su organizacin o de alguno o varios de sus componentes, sino
tambin su comportamiento futuro a la luz de diferentes diseos o diversos
escenarios? Esto es, una herramienta con la habilidad de comprimir el tiempo
para observar el comportamiento y evolucin de un sistema bajo diferentes
alternativas de diseo.
Qu valor tendra para el directivo o responsable de conducir un proyecto
aquella herramienta que le permita administrar ms efectivamente el comportamiento aleatorio de los elementos internos de su organizacin o el de los
componentes de su medio ambiente? Qu herramienta dara margen al
"What if" en forma solvente, tangible y objetiva?
La simulacin computacional es la respuesta a todas estas preguntas. Es por
mucho la herramienta ms empleada en el modelado organizacional. Su em-
pleo requiere del diseo de un modelo del sistema bajo estudio, de la ejecucin de dicho modelo en una computadora bajo condiciones especficas de experimentacin y del anlisis de los resultados arrojados por el proceso de experimentacin con el objetivo de brindar pautas de comportamiento en la toma de decisiones.
2. Beneficios generales de la simulacin.
Existen distintas tcnicas para imitar o simular las diferentes operaciones o
procesos que se realizan en la vida real y que son objeto de inters. A este
conjunto de procesos se le conoce comnmente como Sistema. Para ser estudiado dicho sistema por lo general se efectan suposiciones sobre su comportamiento, las cuales llegan a tomar una forma matemtica y constituir un modelo que es utilizado para poder comprender con mayor facilidad el comportamiento del sistema.
Sin embargo, en la mayora de los casos los sistemas de inters son muy
complejos, lo cual no permite que los modelos que los representan sean evaluados analticamente. Surge aqu la posibilidad de que dichos modelos pueden
ser estudiados mediante la simulacin computacional.
La simulacin es una herramienta de la Investigacin de Operaciones y de
gran utilidad para la toma de decisiones. Esta tcnica, como ya lo mencionamos, es til para representar sistemas reales y as visualizar todos y cada uno
de sus componentes, las formas en que interactan y las polticas que los rigen.
La simulacin ha evolucionado hasta alcanzar una gran complejidad y se ha
podido utilizar para resolver problemas en disciplinas asociadas no slo al diseo, planeacin y control de sistemas de manufactura, sino en otras como Mercadotecnia, Recursos Humanos y Finanzas.
La simulacin debe ser considerada como una de las mejores herramientas
para observar un sistema real en operacin, con la ventaja de que no es necesario detener todo el sistema para poder analizarlo. Los modelos de simulacin
son una alternativa a los modelos matemticos, y la simulacin es utilizada
cuando los sistemas que se estn analizando son muy complejos y no es posible obtener una solucin analtica.
Ventajas de la Simulacin:
Permite una experimentacin controlada.
Permite comprimir el tiempo al experimentar.
Permite el anlisis de sensibilidad.
Evita costos o riesgos ya que no es necesario interrumpir el desarrollo del
sistema, para estudiar su comportamiento.
No es necesario destruir al sistema si se desea investigar sus lmites de resistencia.
Si slo es un sistema propuesto no es necesario construirlo fsicamente.
Es una herramienta de entrenamiento efectiva.
SIMPLIFICACIN de los procesos productivos.
EVALUACIN de diseos alternativos de sistemas.
Tema N 2: Definicin de los principales componentes de los

modelos.
3. Introduccin a los modelos.
Un sistema es un grupo de componentes que interactan, interrelacionados
o interdependientes que forman un todo complejo e unificado. (Ejemplos: Una
organizacin, el cuerpo humano, etc.)
Un sistema, es un conjunto de dos o ms elementos interrelacionados de
cualquier especie que buscan un objetivo en comn. Podemos pensar en los
sistemas como un conjunto de nodos fijados en una red gigante en la cual todo
est conectado. Tambin se puede diferenciar entre los sistemas naturales y
los sistemas hecho-por-el hombre (human-made systems), los sistemas novivientes (nonliving systems).
Dentro de los sistemas naturales tenemos el cuerpo de un ser viviente, las
sociedades humanas, un ecosistema; los cuales tienen un gran nmero y complejidad de componentes e interacciones entre esos componentes. Tambin
tienen un nmero infinito de conexiones a todos los sistemas alrededor de
ellos. Dentro de los sistemas hecho-por-el hombre tenemos los carros, los cuales tambin pueden ser bastantes complejos, pero estos sistemas no-vivientes
no estn ligados tan profundamente con los sistemas que los rodean. Los sistemas no-vivientes hecho-por-el hombre son ms autnomos que los sistemas
naturales, de los cuales podemos pensar que son ms abiertos en sus conexiones con los sistemas circundantes.
Ejemplos: Si un coche se descompone, el impacto de este evento no va
ms all de arreglarlo. No sucede lo mismo a si una especie fuera quitada de
un ecosistema de la pradera.
Caractersticas esenciales de los sistemas
Las partes de un sistema deben estar todas presentes para que el sistema
realice su propsito de manera ptima. Si se retiran u omiten componentes sin
afectar su funcionamiento y sus relaciones, entonces se tiene solamente una
coleccin de componentes y no un sistema. Por ejemplo, si quitamos los limones de un canasto lleno de ctricos, tendremos menos ctricos, pero no ha habido cambio en la naturaleza de la coleccin de los componentes (Ctricos). Por
tanto, este no se trata de un sistema. De manera similar, si a esta coleccin
agregamos otros ctricos (digamos mandarinas) sin alterar su funcionalidad o
relacin, seguimos teniendo una canasta de ctricos. Pero si agregramos manzanas, entonces tendramos algo ms que ctricos en la canasta lo cual ha hecho que cambie la naturaleza del canasto, ya no es ms una coleccin de ctricos.
Las partes de un sistema se deben arreglar de una manera especfica para
que el sistema realice su propsito. Si los componentes de una coleccin pueden combinarse de manera aleatoria, entonces no forman parte de un sistema.
Por ejemplo, en un tazn de frutas, las naranjas pueden ir en el fondo, en el
centro, o en la tapa sin cambiar la naturaleza esencial de la coleccin de fruta.
Los sistemas tienen propsitos especficos dentro de un sistema mayor.
Todos los sistemas tienen un propsito especfico en relacin al sistema mayor
en el cual estn inmersos. No se puede forzar a que dos o ms sistemas estn
juntos para obtener un nuevo sistema ms grande. Tampoco se puede subdivi-
10
dir un sistema y tener automticamente dos sistemas ms pequeos con funcionamiento similares. Si divides un elefante por la mitad, no se obtienen dos
elefantes ms pequeos. Y si juntas dos elefantes pequeos, no se obtiene un
elefante ms grande.
Los sistemas mantienen su estabilidad por medio de fluctuaciones y ajustes. Los sistemas buscan mantener su estabilidad. Por ejemplo: una organizacin hace lo mejor para mantener el margen de utilidad designado. La mayora
de los cuerpos humanos trabajan para mantener una temperatura de cerca de
los 36 grados de Celsius.
Los sistemas tienen realimentacin (retroalimentacin). Un sistema posee
realimentacin en s mismo. La caracterstica ms importante de la regeneracin es que proporciona el catalizador para un cambio en el comportamiento. a regeneracin es la transmisin y retorno de informacin. Pero como todos los
sistemas son parte de un sistemas mayor, un sistema tambin tiene realimentaciones en entre s mismo y los sistemas externos. En algunos sistemas, la realimentacin y los ajustes de procesos suceden tan rpidamente que es relativamente fcil que un observador los siga. En otros sistemas, puede tomar un
tiempo muy largo antes de que la realimentacin se obtenga.
Como puntos adicionales a las caractersticas ya mencionadas podemos
mencionar las siguientes:
1.
Cada parte del sistema aporta al logro del propsito del mismo.
2.
Las partes del sistema estn organizadas para cumplir el propsito
del sistema (cada parte interacta por lo menos con otra).
3.
Los sistemas presentan ciclos de retroalimentacin entre sus elementos y el sistema que lo contiene.
Componentes de un sistema
Los elementos que componen un sistema pueden ser objetos fsicos que
pueden tocarse o bien pueden ser intangibles.
Ejemplos:
Componentes tangibles: Las partes que componen un automvil

(Puertas, llantas, cofre, motor, asientos, etc.).
Componentes intangibles como: procesos; relaciones personales; polticas de la empresa; flujos de informacin; interacciones interpersonales; y
estados internos de la mente tales como sensaciones, sentimientos, valores, y
creencias.
Los sistemas tienen dos componentes principales:
a. De acuerdo a su nivel jerrquico, se pueden identificar a los elementos
que constituyen un sistema en dos niveles:
Subsistemas: Son los elementos que pertenecen a un sistema mayor, el cul tiene las condiciones de un sistema en s mismo pero que
tiene un papel en la estructura y comportamiento del sistema mayor.
La subdivisin del sistema puede ser hecha desde diferentes puntos
de vista y a diferentes niveles de detalle.
Suprasistema: El trmino se aplica a las entidades de las cuales

forma parte el sistema que se est estudiando. Es posible identificar
11
uno o varios suprasistemas en base al contexto del sistema bajo estudio.

b. De acuerdo a sus lmites:
Fronteras del sistema: Son los lmites del sistema bajo estudio. Es la lnea que separa al sistema de su entorno (o suprasistema) y que define
lo que pertenece y lo que queda fuera de l.
Tipos de sistemas
Los sistemas podemos clasificarlos de acuerdo a:
Por su comportamiento:
Un sistema abierto, es un sistema en continuo intercambio de materia,
energa e informacin con su medio. Es vital el conocer al medio que lo rodea.
Un sistema cerrado no tiene relaciones con su medio (No existen sistemas
completamente cerrados).
Por su cambio a travs del tiempo:
Un sistema dinmico, es el que muestra cambios en su estructura o en las
relaciones entre sus elementos a travs del tiempo.
Un sistema esttico es aquel cuya estructura y relaciones entre sus elementos pueden considerarse permanentes a travs del tiempo.
Por el grado de interdependencia que tengan:
Sistema abierto es aquel que acepta entradas del medio ambiente y puede
entregar salidas en l, es decir, es altamente dependiente del medio ambiente.
Sistema cerrado es aqul que es totalmente independiente del medio ambiente.
Por la influencia de la salida en la entrada del sistema:
Un sistema abierto est caracterizado por salidas que responden a las entradas; pero donde las salidas estn aisladas y no tienen influencia en las entradas.
Un sistema cerrado est influenciado por su propio comportamiento pasado
(tambin llamado sistema de retroalimentacin). Un sistema cerrado tiene una
estructura de ciclo cerrado que trae resultados de acciones pasadas al sistema
para controlar futuras acciones.
4. Metodologa del modelamiento.
Los sistemas se construyen en base a estructuras que dejan evidencia de
su presencia. Resulta difcil describir el concepto de estructura, en los trminos
simples, la estructura es la manera sobre la cual los componentes del sistema
estn interrelacionados esto es, la organizacin de un sistema. La estructura
es invisible, pero est definida por las interrelaciones de las partes de un sistema y no las partes en s mismas.
La importancia de entender la estructura de un sistema radica en que es la
estructura de un sistema quien explica todos los eventos y tendencias que podemos observar que suceden en el mundo que nos rodea.
12
Eventos
Solo se puede reaccionar a un evento nuevo en lugar de anticiparlo y darle
forma. Lo que es ms, las soluciones diseadas en un nivel de evento tienden a
ser de breve duracin. Y lo que es ms importante, no hacen nada para modificar la estructura fundamental que origin ese evento. El siguiente nivel implica
el movernos de un pensamiento de nivel de eventos a un pensamiento de nivel
de patrones.
Patrones
Los patrones nos permiten entender la realidad a un nivel ms profundo.
Los patrones son tendencias o cambios en los eventos sobre el tiempo. Siempre que se tenga un patrn de eventos, se est cerca de descubrir la estructura
sistmica que genera ese patrn. La ventaja del pensamiento en el nivel de patrn, en comparacin con el nivel de eventos es que el detectar un patrn ayuda a colocar el evento ms reciente en el contexto de otros eventos similares.
El foco de atencin es por tanto es, sacar el evento especfico, y concentrarnos
en explorar cmo la serie de eventos estn relacionados y empezar a pensar en
qu los causaron. Por ltimo, se puede anticipar acontecimientos y cambiar en
ltima instancia un patrn. Una vez ms, se requiere cambiar de nivel de pensamiento a un pensamiento a nivel estructura.
Estructuras
Es aqu donde est el poder del pensamiento a nivel de estructuras: las acciones que se toman a este nivel son creativas, porque ayudan a dar forma a
un futuro diferente, el futuro que se desea. Esto no quiere decir que las acciones de apalancamiento pueden encontrarse solamente en el nivel de estructura. El apalancamiento es un concepto relativo, no un absoluto. Nuestra capacidad de influenciar en el futuro aumenta cuando nos movemos del nivel de
eventos al nivel de patrones al nivel de pensamiento de estructuras, pero en
ocasiones la mejor accin que podemos hacer es el concentrarnos en el presente, en el nivel de eventos. Pero, si hiciramos solamente eso, las acciones seran consideradas de un apalancamiento bajo para la perspectiva del largo plazo. El arte de pensar en el nivel de una estructura sistmica viene con el conocimiento de cundo es mejor tratar un problema en el nivel de evento, patrn o
estructura, y cundo utilizar una combinacin de los tres.
Conceptos bsicos del pensamiento sistmico.
El pensamiento sistmico ofrece una serie de herramientas y un marco de
referencia para ver las cosas de una manera sistmica. Por otra parte, puede
tambin verse como un lenguaje que ofrece una forma para comunicar las
complejidades dinmicas y sus interdependencias.
Principios del pensamiento sistmico
En general, el pensamiento de los sistemas es caracterizado por estos principios:
Pensar con una visin ampliada (big picture). Implica ser capaz de dar
un paso atrs del acontecimiento y mirarlo con una visin ms ampliada,
ms grande. Cualquier problema en el que puedas pensar en este momento
es parte de un sistema mayor. Por tanto, para descubrir el origen de un
problema, se debe ampliar o expandir el rea de visin para incluir el sistema mayor. Con esta nueva perspectiva, tenemos una mayor oportunidad
de encontrar una solucin ms efectiva.
Balancear las perspectivas a corto plazo y a largo plazo. El pensamiento sistmico muestra que los comportamientos que condice al xito en el corto
13
plazo afectar el xito de acciones a largo plazo. Al pensar en cualquier decisin, el mejor enfoque es lograr un equilibrio razonable, considerar opciones
a corto plazo y a largo plazo y buscar la lnea de accin que abarque ambos. La clave es el estar conscientes de todos los impactos potenciales de
cualquier estrategia que se elija.
Reconocer la naturaleza dinmica, compleja e interdependiente de los sistemas. Si vemos al mundo de manera sistmica, vemos que todos es dinmico, complejo, e interdependiente.
Considerar factores cuantitativos y cualitativos. El pensamiento de sistemas
fomenta el uso de datos cuantitativos y cualitativos. Ninguno de los dos es
mejor; ambos son importantes y complementarios.
Recordar que somos parte de los sistemas en el cual funcionamos y que cada uno influimos en aquellos sistemas incluso mientras somos influenciados
por ellos. Uno de los principios ms retadores del pensamiento sistmico es
que usualmente nosotros mismos contribuimos a nuestros propios problemas. Cuando observador con una visin ampliada de las cosas, en el largo
plazo, a menudo podemos ver que hemos jugado un papel en los problemas
que enfrentamos actualmente.
Consecuencias involuntarias. La conexin es simple: el problema nos acosa
hoy como una consecuencia involuntaria de una solucin que se realiz
ayer.
Suposiciones. En ocasiones, nuestras suposiciones son las que nos meten en
problemas.
Valores y creencias. El tener ciertos valores y creencias pueden bloquear la
manera en que tomamos decisiones.
El pensamiento sistmico como un lenguaje especial

El pensamiento sistmico ofrece una manera diferente de comunicacin sobre la manera en que vemos al mundo y de trabajar juntos de una manera ms
productiva al entender y solucionar problemas complejos. Visto como un lenguaje, el pensamiento sistmico tiene caractersticas nicas que lo hacen ser
una herramienta de valor para tratar temticas de sistemas complejos:
Se enfatiza el observar los todos en lugar de las partes y enfatiza el papel
de las interconexiones. Lo ms importante, es que se reconoce que somos
parte de un sistema en el cul funcionamos y por eso, contribuimos en el
comportamiento de esos sistemas.
Es un lenguaje circular ms que lineal. Se centra en las interdependencias
cerradas, donde x influye en y, y influye a z, y z regresa e influye a x.
Tiene un conjunto de reglas precisas que reduce la ambigedad y los malos
entendidos que pueden surgir cuando se habla de situaciones complejas.
Ofrece herramientas visuales, como diagramas causales y grficas de comportamiento sobre el tiempo. Estos diagramas son ricos para mostrar implicaciones y consecuencias, permitiendo un mejor entendimiento. Hacen nfasis en la dinmica del problema y no en las culpas individuales.
Abre una ventana nueva en nuestros esquemas mentales, traduciendo nuestras percepciones individuales a imgenes explcitas que pueden dejar ver
diferencias significativas en puntos de vista ligeramente distintos.
Diagramas Causales.
El conjunto de los elementos que tienen relacin con nuestro problema y
permiten en principio explicar el comportamiento observado, junto con las relaciones entre ellos, en muchos casos de retroalimentacin, forman el Sistema. El
Diagrama Causal es un diagrama que recoge los elementos clave del Sistema y
las relaciones entre ellos.
14
Como hemos dicho es importante empezar a hacer versiones que poco a poco nos vayan aproximando a la complejidad del modelo. La gama mnima de
elementos y relaciones que permita reproducir la Referencia Histrica, ser la
que forme la estructura bsica del sistema.
Una vez conocidas globalmente las variables del sistema y las hipotticas relaciones causales existentes entre ellas, se pasa a la representacin grfica de
las mismas. En este diagrama, las diferentes relaciones estn representadas
por flechas entre las variables afectadas por ellas.
Esas flechas van acompaadas de un signo (+ o -) que indica el tipo de influencia ejercida por una variable sobre la otra. Un signo "+" quiere decir que
un cambio en la variable origen de la flecha producir un cambio del mismo
sentido en la variable destino. El signo "-" simboliza que el efecto producido ser en sentido contrario.
As cuando un incremento de A, produce un incremento de B, o bien una
disminucin de A provoca una disminucin de B, tendremos una relacin positiva.
Y cuando un incremento de A, produce una disminucin de B, o bien una
disminucin de A provoca un aumento de B, tendremos una relacin negativa.
Una cadena cerrada de relaciones causales recibe el nombre de bucle, retroalimentacin o feedback. Cuando abrimos el grifo para llenar un vaso de agua
aumentamos la cantidad de agua en el vaso, pero tambin la cantidad de agua
que va habiendo en el vaso modifica la velocidad en la que nosotros llenamos
el vaso. Lo llenamos ms despacio cuando est casi lleno; y por to tanto existe
un bucle.
El sistema formado por nosotros, el grifo y el vaso de agua es un bucle negativo porque est dirigido a conseguir un objetivo, llenar el vaso sin que se
exceda. Los bucles negativos actan como elementos estabilizadores de los sistemas al dirigirlos hacia un objetivo determinado, igual que el termostato de la
calefaccin la dirige hacia la temperatura seleccionada.
Los bucles se definen como "positivos" cuando el nmero de relaciones "negativas" es par, y "negativos" si es impar (igual que al multiplicar: -a x b = -c).
Los bucles negativos llevan al modelo hacia una situacin estable y los positivos lo hacen inestable, con independencia de la situacin de partida.
En la realidad los sistemas contienen ambos tipos de bucles y el comportamiento final depender de cual es el dominante en un momento determinado.
Cuando un pas adquiere ms armamento hace que sus vecinos se sientan
amenazados y les induce a adquirir ellos tambin ms armamento. Este es un
bucle positivo, tambin llamado un circulo vicioso que crece sobre s mismo
ms y ms. Los bucles positivos causan crecimiento, evolucin y tambin el colapso de los sistemas.
Naturalmente los sistemas socioeconmicos y ecolgicos estn formados por
cientos de bucles positivos y negativos interconectados, y su comportamiento
final no es evidente.
15
El concepto de bucle es muy til porque nos permite partir desde la estructura del sistema que analizamos y llegar hasta su comportamiento dinmico. Si
un sistema oscila persistentemente, o se halla en equilibrio, o decae con rapidez, podemos identificar las razones estructurales y decidir como modificar los
bucles causales que lo van a alterar. La aplicacin de esta forma de actuar se
extiende desde el control de un proceso industrial, al seguimiento de la diabetes o el cncer, variaciones de los precios de las materias primas y el crecimiento econmico.
Pero la utilidad ms importante de esta concepcin es comprender como la
estructura de los sistemas provoca su comportamiento. En un mismo mercado,
en un mismo ao, varias empresas que ofrecen el mismo producto presentan
resultados econmicos muy diferentes. Los gerentes menos competentes argumentan mltiples causas ajenas a ellos: los costes laborales, la competencia,
los hbitos de los clientes, ... cuando en realidad deberan de estudiar porqu
los sistemas que ellos controlan (sus empresas) tienen una estructura menos
competitiva que aquellos otros que han presentado mejores resultados.
El pas A percibe que la carrera de armamentos fue causada por el pas B y
viceversa. Pero en realidad tambin puede afirmarse que el pas A ha provocado su rearme al adquirir armas, que motivan el rearme del pas B. De forma
similar el crecimiento de los precios del crudo se debe tanto a la concentracin
de la produccin en unos pocos pases como en el excesivo aumento del consumo en los pases desarrollados, de un producto que en definitiva es limitativo
al no ser renovable.
Identificar que la causa de los problemas no es algo externo al sistema no
suele ser muy popular, ya que es ms fcil achacarlo a factores externos e incontrolables por nosotros. Lo que ocurre es que si el mismo que expone el argumento de la causa externa cree verdaderamente en lo que dice, no podr
identificar la verdadera causa del problema - dentro del sistema - y obtener los
resultados deseados. Si el sistema tiene los elementos que causan el problema
tambin tiene la forma en la que se puede solucionar.
As por ejemplo, la curva de vida de un producto puede decirse que se halla
regulada inicialmente por un bucle positivo que permite un rpido crecimiento
exponencial, al que sigue una fase de estabilidad dominada por un bucle negativo en el que interviene la saturacin del mercado, y por ltimo una cada, que
suele ser tambin brusca, debido a la aparicin de productos substitutivos de
rpido crecimiento.
Por ltimo, sealar que el diagrama causal es de gran importancia para la
explicacin del modelo final al usuario, si este no est familiarizado con esta
tcnica lo cual suele ser usual.
16
Diagramas de Forrester.
El Diagrama de Flujos, tambin denominado Diagrama de Forrester, es el diagrama caracterstico de la Dinmica de Sistemas. Es una traduccin del Diagrama
Causal a una terminologa que permite la escritura de las ecuaciones en el ordenador para as poder validar el modelo, observar la evolucin temporal de las variables y hacer anlisis de sensibilidad..
No hay unas reglas precisas de como hacer esta transformacin, pero si hay
alguna forma de abordar este proceso. Pasos a seguir:
1. Hacer una fotografa mental al sistema y lo que salga en ella (personas,
km2, litros, animales,..) eso son Niveles.
2. Buscar o crear unos elementos que sean "la variacin de los Niveles", (personas/da, litros/hora, ...) y esos son los Flujos.
3. El resto de elementos son las Variables Auxiliares.
Como regla general esto sirve para empezar. Despus ya se pueden ir haciendo retoques, y as los Niveles que vayan a permanecer constantes (m2 de la
habitacin) en vez de definirlos como Niveles se pueden definir como variables auxiliares tipo constante que es ms sencillo. Este es todo el procedimiento. Ahora
veremos con ms detalle como se representan estos elementos.
17
Los "Niveles" son aquellos elementos que nos muestran en cada instante la
situacin del modelo, presentan una acumulacin y varan solo en funcin de otros
elementos denominados "flujos". Las "nubes" dentro del diagrama de flujos son
niveles de contenido inagotable. Los niveles se representan por un rectngulo.
Los "Flujos" son elementos que pueden definirse como funciones temporales.
Puede decirse que recogen las acciones resultantes de las decisiones tomadas en el
sistema, determinando las variaciones de los niveles.
Las "Variables auxiliares" y las "Constantes", son parmetros que permiten
una visualizacin mejor de los aspectos que condicionan el comportamiento de los
flujos.
Las magnitudes fsicas entre flujos y niveles se transmiten a travs de los
denominados "canales materiales". Por otra parte existen los llamados "canales de
informacin", que transmiten, como su nombre indica, informaciones que por su
naturaleza no se conservan.
Por ltimo quedan por definir los "retardos", que simulan los retrasos de
tiempo en la transmisin de los materiales o las informaciones. En los sistemas socioeconmicos es frecuente la existencia de retardos en la transmisin de la informacin y de los materiales y tienen gran importancia en el comportamiento del
sistema.
Para los retardos de material existen las funciones DELAY1 y SMOOTH. Para
los de informacin se utilizan DELAY3 y SMOOTH3. Los de primer orden frente a
una entrada escaln, respondern con una curva exponencialmente asinttica,
mientras que un retardo de tercer orden conduce a una curva sigmoidal. En cierta
forma los retardos de informacin actan como filtros alisadores de la variable de
entrada.
ACTIVIDAD FORMATIVA N 1
1. Elaborar un diagrama de influencias y de Forrester de un caso,
propuesto y elegido por usted mismo seor estudiante. Complementa la informacin observando el vdeo DINAMICA DE SISTEMAS - diagrama causal y diagrama Forrester CASO PRACTICO.
INSTRUCCIONES:
1. En base a los contenidos de los temas 1 y 2, analiza tu entorno y
observa un posible sistema, el cual puedas modelar.
2. Observa el Vdeo DINAMICA DE SISTEMAS - diagrama causal y
diagrama Forrester CASO PRACTICO, y en base a lo observado
elabora un diagrama de influencias y de forrester a partir del sistema que has elegido modelar.
(haz clic en el siguiente link)
https://www.youtube.com/watch?v=h2gH3h3599k
LECTURA SELECCIONADA No 1:
El arte de la simulacin cientfica.
Daniel Martn Reina Universidad de Sevilla Espaa.
Haz clic aqu para acceder al texto completo:
http://laaventuradelaciencia.blogspot.pe/2011/08/el-arte-de-la-simulacioncientifica.html
18
Tema N 3: Estructuracin de los principales componentes de

los modelos.
Proceso de modelizacin.
Desde la perspectiva de la simulacin, un sistema que es objeto de estudio
puede ser discreto o continuo, esttico o dinmico, determinstico o probabilstico.
Estos calificativos dependen en cierta medida del comportamiento de las denominadas variables de estado, es decir, aquellas variables que estn en funcin del
tiempo y que muestran cmo el sistema evoluciona a travs de ste.
El estado de un sistema se define como la coleccin de variables necesarias para describir a un sistema en un punto particular del tiempo relativo a los objetivos
de un estudio. Un sistema est caracterizado por un conjunto de variables; cada
combinacin de valores de las variables representa un estado del sistema.
Estado Transitorio: Condiciones iniciales de un sistema. Cambios bruscos
en la variable de respuesta del sistema.
Estado Estable: La distribucin de probabilidad de la variable de respuesta
no cambia en el tiempo. Matemticamente: El periodo de tiempo durante el cual la
variable de respuesta ya no cambia. Pragmticamente: Cuando la respuesta del
sistema no afecte al siguiente sistema/ proceso.
Centraremos nuestra atencin en los sistemas discretos y continuos. Un sistema discreto es aqul en el que las variables de estado cambian slo en un nmero
finito (contable) de puntos en el tiempo, mientras que en un sistema continuo las
variables de estado cambian continuamente con respecto al tiempo. Un ejemplo de
sistema discreto sera un banco en el que sus variables de estado es el nmero de
clientes presentes, ya que slo cambia cuando llega un cliente o cuando se le ha
proporcionado el servicio. Por otra parte, el vuelo de un avin es un ejemplo de un
sistema continuo, pues sus variables de estado, tales como velocidad y posicin,
cambian continuamente con respecto al tiempo. Cabe aclarar que pocos son los
sistemas en la prctica que son completamente discretos o continuos.
La mayora de los sistemas no estn aislados, sino que se encuentran en un
medio ambiente que afecta a su comportamiento. Por ejemplo, la demanda de los
consumidores sobre los productos de una compaa afecta al sistema de produccin
de la organizacin. Por otro lado, la calidad de los productos de la compaa puede
ser un factor de influencia sobre los consumidores. Con esto se quiere sugerir que
existe una continua interaccin entre el sistema y el medio ambiente que lo rodea.
Definir la frontera de un sistema (alcance) resulta generalmente algo complicado, puesto que hay que decidir qu elementos deben ser considerados como parte
del sistema y cules no. Esta dificultad se deriva primeramente porque los sistemas
19
estn compuestos de varios subsistemas, y segundo porque la mayora de los sistemas son subsistemas de otros ms grandes. Considerar sistemas muy pequeos
puede orillar a la suboptimizacin; por otro lado, los sistemas tienden a interactuar
o empalmarse con otros sistemas. Por ltimo, aun cuando la frontera ha sido determinada, con frecuencia se requiere que haya conexiones con el medio ambiente.
Aunque la frontera de un sistema puede ser fsica, al determinar el contexto o
frontera de un sistema es mejor pensar en trminos de causa y efecto. De esta
manera, una vez establecida una definicin tentativa del sistema, ste puede verse
afectado por algunos factores externos. Si dichos factores controlan su funcionamiento en forma total, no hay razn para experimentar con dicho sistema, pero si
la influencia de tales factores es parcial, entonces hay que decidir si:
1) Redefinir el sistema para incluir estos factores.
2) Ignorar dichos factores.
3) Considerar a dichos factores externos como insumos al sistema.
Se denomina medio ambiente del sistema a aqul conformado por todos aquellos objetos que estn fuera de la frontera del sistema, pero que pueden influenciarlo. De ah que un sistema pueda ser visto como una coleccin de objetos que interactan entre s que son afectados por fuerzas externas y que es objeto de estudio.
Un sistema de comportamiento, continuo, dinmico y probabilstico sera una
planta procesadora de agua potable o una planta de energa elctrica. Por otro lado,
un sistema de comportamiento discreto, dinmico y probabilstico sera una fbrica
de automviles o un hospital.
Elementos de un sistema
Bsicamente, un sistema est compuesto por entidades, actividades, recursos y
controles; estos elementos definen quin, qu, dnde, cundo y cmo acerca del
procesamiento del sistema.
Entidades: son los artculos procesados a travs del sistema, tales como productos, clientes y documentos. Se pueden clasificar en tres tipos:
* Humanos o animados (clientes, pacientes, etc.).
* Inanimados (partes, papelera, etc.).
* Intangibles (llamadas, correo electrnico, proyectos, etc.).
Actividades: son las tareas que se realizan en el sistema, tales como llenado,
corte, reparacin, atencin al cliente, etc. Las actividades tiene una duracin y por
lo general utilizan recursos.
Recursos: son los medios por los cuales se ejecutan las actividades, por ejemplo: personal, equipo, herramientas, energa, tiempo, dinero, etc. Los recursos
pueden tener caractersticas tales como capacidad, velocidad, tiempo de ciclo y
confiabilidad, asimismo, son los que definen quin o qu realiza la actividad y en
dnde.
Controles: son los que deciden cmo, cundo y dnde se realizan las acciones,
as como tambin, determinan la accin cuando se presentan ciertos eventos o
condiciones. En el ms alto nivel, los controles los podemos encontrar en forma de
20
polticas, planes u horarios, mientras que en un nivel bajo estn en forma de procedimientos o programas.
Medidas del rendimiento de un sistema: el rendimiento de un sistema se
mide por su efectividad y eficiencia en alcanzar los objetivos para los cuales fue
diseado. En muchas situaciones, los objetivos se fijan en funcin de la efectividad
en costos o la utilidad generada por el sistema. Los datos para determinar tales
medidas de rendimiento suelen ser: precios, costos, y caractersticas cuantitativas
del funcionamiento del sistema. Los objetivos del sistema se satisfacen cuando las
medidas del rendimiento alcanzan los niveles deseados.
Enfoque de sistemas: debido a que los elementos de un sistema son interdependientes, no es posible conocer la respuesta del sistema estudiando aisladamente
a cada elemento es por esto que se requiere realizar un enfoque de sistemas pues
ste puede ser dividido en su estructura, pero tal vez no en sus funciones. Para
poder ver a un sistema como un todo es necesario entender las relaciones causaefecto as como las de decisin-respuesta.
Modelo
Los modelos son abstracciones de los sistemas. Para poder disear nuevos sistemas y optimizar los ya existentes, se utilizan modelos, ya que experimentar con
el sistema mismo puede ser muy costoso, puede destruirse el sistema o por lo menos interrumpirse temporalmente en su funcionamiento, o simplemente puede ser
imposible experimentar con l. As, un modelo debe ser lo suficientemente vlido
para tomar decisiones similares a las que se tomaran en caso de experimentacin
directa con el sistema. Sin embargo, los resultados de la simulacin, aunque vlidos, no se utilizaran en el proceso de toma de decisiones si el modelo no es creble. Dicho de otra forma, tenemos dos tareas: construir un modelo apegado a lo
real (vlido) y convencer a "los de arriba" de que lo es (creble).
Tratndose de simulacin, los modelos utilizados son por lo general descriptivos
pues estudian el comportamiento de sistemas a travs del tiempo. Y es con base en
esta investigacin que es posible determinar las condiciones bajo las cuales el sistema operara ms efectiva y eficientemente. Los modelos de simulacin no se disean para encontrar soluciones ptimas. Es una tcnica de experimentacin
(eventos aleatorios), se evalan diversas alternativas y se toman decisiones con
base en la comparacin de resultados.
Puesto que los modelos de simulacin suelen ser utilizados para estudiar sistemas complejos, por lo general pueden emplearse modos numricos de anlisis en
vez de los analticos. En su mayora, los modelos de simulacin son probabilsticos y
estn hechos a la medida del cliente.
Con relacin a la simulacin los modelos de inters pueden ser:
En cuanto al tiempo:
1) Estticos: Representacin de un sistema en un instante particular del tiempo.
2) Dinmicos: Representacin de un sistema a lo largo de un periodo de tiempo.
En cuanto a las variables:
1) Determinsticos: Si no contiene variables aleatorias.
21
2) Estocsticos: Si contiene una o ms variables aleatorias.

Tambin pueden ser discretos o continuos, cuyas caractersticas ya se definieron para los sistemas.
La simulacin es una herramienta de la investigacin de operaciones que nos
permite conocer y analizar el comportamiento de un sistema real o propuesto para
decidir cursos de accin: modificarlo, aceptarlo o rechazarlo.
Se considera a la Simulacin como un proceso que consiste en construir un
modelo descriptivo de un sistema real, con el propsito de estudiar el comportamiento de dicho sistema a travs del tiempo; con la ventaja de que no es necesario
interrumpirlo (si es muy costoso), destruirlo (si se desea saber sus lmites mximos
de resistencia) o construirlo (si es slo un propuesto).
El proceso para el desarrollo exitoso de un modelo de simulacin, consiste en
empezar con un modelo simple, el cual puede ser enriquecido de una manera evolutiva para satisfacer los requerimientos de solucin de un problema. A. M. Law y
M.G. McComas (Hctor Vargas."Simulacin: Mucho ms que una herramienta". Revista Vanguardia de Agosto de 1994. Facultad de Ingeniera del CETYS) mencionan
los siguientes elementos para el xito de un proyecto de simulacin:
Conocimiento de la metodologa de la simulacin, modelos probabilsticos de
investigacin de operaciones, teora de probabilidad y estadstica.
Formulacin correcta del problema.
Informacin adecuada sobre la operacin del sistema.
Modelacin adecuada de la aleatoreidad del sistema.
Escoger el software adecuado y utilizarlo correctamente.
Validar el modelo y su credibilidad.
Utilizar los procedimientos estadsticos adecuados para interpretar los resultados de la simulacin.
Utilizar tcnicas adecuadas de administracin de proyectos.
Los pasos que a continuacin se presentan son una gua para desarrollo de un
estudio de simulacin. Cabe aclarar que el tiempo requerido para cada paso depende del sistema a modelar; asimismo, algunos proyectos de simulacin pueden requerir algunos pasos no incluidos.
Pasos del Proceso de Simulacin:
1.
Planeacin estratgica y Tctica. Establecer las condiciones experimentales para el uso del modelo.
2.
Formulacin del Problema. Definicin del problema y enunciado del objetivo
3.
Construccin del Modelo. Abstraccin matemtica del problema
4.
Obtencin de Informacin. Identificacin, especificacin y obtencin de

datos
22
5.
Desarrollo del Programa. Preparar el modelo para su procesamiento
6.
Verificacin. Asegurar el correcto funcionamiento del programa
7.
Validacin. Correspondencia entre el modelo y la realidad
8.
Experimentacin. Uso del modelo para obtencin de resultados
9.
Anlisis de Resultados. Inferencias y recomendaciones basadas en el modelo
10.
Implementacin y Documentacin. Usar resultados para toma de decisiones y documentar el funcionamiento y uso del modelo
Aplicaciones y usos de la Simulacin

Hoy en da existe una gran variedad de aplicaciones de la simulacin debido a
las diferentes ventajas que sta ofrece sobre otras herramientas utilizadas. Algunas
de estas aplicaciones son:
En la reduccin de costos.
En un sistema: En el desarrollo del mtodo de anlisis, ya que con los mtodos existentes para resolver problemas se invierte un tiempo considerable en
poder desarrollar el mtodo de anlisis.
En la Programacin computacional.
En la modelacin de un sistema.
En la experimentacin de prueba y error.
En la industria: En la capacitacin del personal.

En la aviacin: En el entrenamiento de pilotos.
En finanzas: Puede usarse para calcular presupuestos, analizar alternativas
de inversin, flujo de efectivo.
En mercadotecnia: El analista debe tomar decisiones para colocar la promocin de un producto en diferentes medios de comunicacin: peridico, radio,
televisin, etc.
En Recursos Humanos: Beneficios de la movilidad en el trabajo, del tipo
de personas para un determinado empleo, de las diferentes estructuras jerrquicas
y de relacin dentro de una empresa.
As tambin, la simulacin ha sido empleada en sistemas tales como: biolgicos, econmicos, de la salud, de negocios, de produccin, de transportacin, sociales, urbanos, etc.
Con el transcurso del tiempo el uso de la simulacin como una herramienta de
trabajo ha aumentado, Algunos de los factores que han acentuado el uso son:
-
El constante desarrollo de lenguajes y simuladores computacionales.
23
La flexibilidad del modelaje va simulacin.
La simulacin es una herramienta verstil que ha sido usada de diferentes maneras, incluyendo:
Diseo de sistemas
Administracin de sistemas
Entrenamiento y capacitacin
Comunicacin
Relaciones pblicas
Esto ha hecho de la simulacin la tcnica ms utilizada dentro de la Administracin Cientfica/Investigacin de Operaciones y la herramienta de excelencia de la
Ingeniera Industrial.
Tema N 4: Ejecucin de un modelo de simulacin.

Uso de Herramientas de modelado.
La dinmica de sistemas se basa en un lenguaje formal bastante simple, y en la
que inicialmente podemos reconocer cuatro tipos de elementos: Nivel o Stock, variable de flujo, convertidor y conector. Observe la figura 1 otorgada por el software
STELLA (versin 3.07)
Figura 1
Si en un sistema dinmico, en su proceso de modelacin, no se discrimina entre
todas las variables del sistema que entrarn a formar parte del modelo, como Nivel
o Stock y como variable de flujos, de otra forma, si no se sabe cuales de las variables son de estado y cuales son de flujo, entonces simplemente no se podr modelar el sistema dinmico. As de simple.
Conceptualmente un Nivel es un stock que es alimentado por una variable de flujo
o varias variables de flujo (de entradas), y que eventualmente puede ser vaciado
por una o varias variables de flujo (de salidas); y as que las variables de flujo se
definen como aquellas que alimentan o vacan el stock. Para fijar ideas supongamos
que tenemos un sistema sencillo, por ejemplo una pequea tienda de alquiler de
automviles en la cual al final de cada semana se reponen los automviles, con una
determinada poltica que veremos ms adelante, para enfrentar la semana que viene caracterizada por una determinada demanda, que tambin veremos como se
24
comporta ms adelante. En definitiva, tenemos la Nivel o Stock que llamaremos

STOCK, y dos variables de flujo, un flujo de entrada que llamaremos REPOSICIN,
y un flujo de salida que llamaremos DEMANDA. Notemos antes que nada que la
unidad de la variable STOCK es automviles, y las unidades de los flujos REPOSICIN y DEMANDA es automviles por semana, de otra forma automviles/semana. Vamos a dibujar la relacin entre estas tres variables en STELLA,
Figura 2
Con el cursor hacemos click con el botn izquierdo en el icono de la variables de

estado , arrastramos la figura a un sitio determinado y hacemos nuevamente click
con el botn izquierdo del mouse, para fijar el icono de la Nivel o Stock. La operacin final deber lucir como la indica la figura 2. Enseguida, ponemos el nombre de
STOCK al icono cuyo nombre por defecto es Noname 1. Lo obtenido deber ser
similar a lo indicado en la figura 3.
Figura 3
Ahora bien, vamos a dibujar el flujo de entrada haca el STOCK. De manera anloga, dirigimos nuestro mouse hacia el icono de la variable de flujo, pinchamos haciendo un clic con el botn izquierdo, arrastramos la figura de manera conveniente,
a la altura del lado izquierdo del STOCK, una vez elegido el sitio desde donde va a
empezar a dibujarse la variable de flujo, presionamos el botn izquierdo (sin soltarlo) a la vez que arrastramos la figura dirigindola hacia el STOCK (figura 4), y toda
vez que la variable de flujo llegue de manera adecuada al STOCK, este avisar con
un leve cambio de color gris (figura 5), en ese momento dejamos de presionar el
botn izquierdo y soltamos. La situacin final debera lucir como lo indica la figura
6, toda vez que cambiemos el nombre por defecto de esta variable de flujo por el
nombre definido anteriormente, REPOSICIN.
25
Figura 4:
Figura 5
Figura 6
Para la construccin de la variable de flujo que sale desde el STOCK, se realiza de
manera similar, esto es se hace un clic sobre el icono , nos ubicamos al interior de
la Nivel o Stock STOCK, presionamos el botn izquierdo (sin soltar) y arrastramos
el mouse hacia el lado derecho del STOCK, cuando creamos conveniente detenernos, soltamos el botn derecho, y debera aparecernos algo similar a la figura 7,
toda vez que cambiemos el nombre que viene por defecto por el de DEMANDA.
Figura 7
Este sencillo dibujo, nos muestra que la variacin del STOCK a travs del tiempo
(semanas) ser causada por los flujos de entrada (REPOSICIN) y salida (DEMANDA). Ahora bien, supongamos que esta demanda obedece una poltica de almacenaje conocida como poltica (s, S), que consiste en lo siguiente: Al final de cada
semana, si lo que hay en stock es inferior o igual que s unidades entonces inmediatamente se repone hasta el nivel S, en caso contrario, si lo que hay es superior al
nivel s, entonces nada se repone. De manera que se introducen dos nuevas variables a nuestro modelos, a saber el nivel s, que llamaremos INF, y el nivel S, que
llamaremos SUP. Estas variables no son ni de flujo ni de estado, para eso entonces
utilizamos el icono de convertidores.
Con el mouse sobre el icono hacemos un clic, para coger la figura, y la posicionamos en un lugar adecuado nombrando esta figura con el nombre de INF; repetimos
el mismo procedimiento para definir el convertidor SUP. El resultado final debera
lucir como lo indica la figura 8.
26
Figura 8
Ahora bien, vamos a indicar que el flujo de entrada REPOSICIN depende de los
valores de INF, SUP y finalmente del valor de la Nivel o Stock STOCK (en efecto,
recurdese que si lo que hay en stock es inferior o igual que s unidades entonces
inmediatamente se repone hasta el nivel S, en caso contrario, si lo que hay es superior al nivel s, entonces nada se repone). La manera de indicar esto es mediante
los conectores. Y se procede de la siguiente manera: nos posicionamos con el mouse en el icono , para capturar la imagen, y luego la ubicamos, por ejemplo, dentro
de la variable INF oprimiendo el botn izquierdo, sin soltar, y arrastrando el conector hacia la variable de flujo REPOSICIN, dejamos de oprimir el botn derecho
toda vez que alcancemos a esta variable de flujo que lo indicar al cambiar a color
gris. Observe la figura 9.
Figura 9
Por ltimo, mediante sendas operaciones anlogas, conectamos desde las variables
SUP y STOCK hacia REPOSICIN, y el resultado debera lucir como lo indica la figura 10.
27
Figura 10
Volvemos a insistir que el esquema indicado en la figura 10 nos dice que, los valores que tomar la variable de flujo REPOSICIN dependern de los valores de INF,
SUP y STOCK.
Continuemos con nuestro de almacenaje. Vamos a suponer que la demanda semanal es aleatoria con distribucin conocida, y que adems estas demandas semanales son independientes (en el sentido probabilstico) entre si. Supongamos que la
demanda para cada semana se distribuye segn una distribucin de Poisson. Finalmente agreguemos que se entrega lo que hay en stock y no se acepta demanda
diferida, esto es a modo de ejemplo, si hay en stock 2 unidades y la demanda en
esa semana es de 5, entonces se entregan simplemente las 2 y no hay compromiso
de entregar el resto de 3 unidades para la semana posterior. Con estos datos vamos a definir un convertidor llamado PEDIDO y otro convertidor llamado LAMDA. El
convertidor PEDIDO, de alguna manera que ya determinaremos ms adelante, va a
simular los valores que se obtienen de una distribucin de Poisson, y puesto que
toda distribucin depender de un parmetro (que indica el valor promedio de los
nmeros generados por esta distribucin), llamaremos LAMBA a este parmetro.
Finalmente debemos hacer notar que los valores generados por el convertidor PEDIDO depender de lambda, y todo valor que genere el convertidor PEDIDO se interpretar como la demanda ocurrida en esa semana. Entonces utilizando la tcnica
ya establecida dibujamos estas dos nuevas variables y establecemos los conectores
para indicar las dependencia entre ellas. Observemos la figura 11.
Figura 11
De manera que la figura 11 est indicando todos los elementos que integrarn
nuestro modelo que representar el sistema de almacenaje o stock que opera con
la poltica (s, S), y que tiene una demanda aleatoria distribuida independientemente segn una Poisson. Y donde se indica las relaciones de independencia entre estos
elementos (an cuando, de momento, no se establece la relacin analtica entre
ellos).
Construccin de un modelo
Una vez que hemos dibujado nuestro sistema-modelo de almacenaje, vamos a
entregar las relaciones analticas establecidas entre las variables que estn unidas
por el conector. Observemos atentamente el sector izquierdo de nuestro dibujo anterior, donde aparece la lengeta Map.
28
Figura 1
Si ubicamos el mouse sobre ese icono, y hacemos click con el botn izquierdo, tendremos la siguiente situacin indicada en la figura 2.
Figura 2
Los signos de interrogacin que aparecen sobre las variables de nuestro modelo
estn indicando que sobre ellas hay que definir su relacin analtica cuando corresponda, o entregar el valor que tienen. Vamos a fijar nuestra atencin en la variable
de flujo REPOSICION. Recordemos que ella est definida extensivamente como toda vez que el valor del STOCK sea menor o igual que INF entonces se repone (de
artculos) hasta el nivel superior SUP. Bien, hagamos doble click sobre la variable
de flujo REPOSICION, debe aparecer la siguiente caja de dilogo como se puede
observar en la figura 3,
29
Figura 3
Sobre esta caja de dilogo haremos algunas precisiones. Hemos marcado cuatro
sectores con rotulador de sendos colores, que llamaremos zona roja, azul, negra y
verde, como lo indica la figura 4 que nos servir para las precisiones respectivas.
30
Figura 4
La zona roja nos indica que la variable de flujo, por defecto y conforme est activado el rtulo UNIFLOW, es un flujo unidireccional, esto es tiene la propiedad de
que fluye material sobre la variable de estado (STOCK en nuestro caso) y que no
tiene opcin de inhalar material desde la variable de estado, en trminos hidrulicos esta variable de flujo no puede bombear para extraer agua, solo puede depositar agua. Ya veremos ms adelante algunos ejemplos en que una variable de flujo
puede ser bidireccional. El caso es que nuestra variable de REPOSICION solamente
entrega material hacia el STOCK.
La zona azul indica lo que ya hemos establecido, que sea la forma analtica que
tenga nuestra variable de flujo REPOSICION, ella debe requerir para su definicin
las variables de STOCK, INF y SUP.
La zona negra est indicando la funcin analtica con la que quedar definida nuestra variable de flujo, y es en el lugar marcado por el video reverso donde dice Place right hand side... donde se debe poner la frmula.
Finalmente la zona verde entrega una lista de funciones que posee en su estructura
el software STELLA, en que eventualmente podamos necesitar para la construccin
de la formula para la variable de flujo REPOSICION.
Vamos ahora a definir la variable de flujo. La expresin toda vez que el valor del
STOCK sea menor o igual que INF entonces se repone (de artculos) hasta el nivel
superior SUP es equivalente matemticamente a lo que indica la figura 5:
31
Figura 5
Una vez entregada esta instruccin, y convencindonos que es la adecuada para
definir la poltica de reposicin del stock hacemos click en la opcin OK (los otros
botones, como Become Graph, Document, etctera, los veremos ms adelante).
Deber aparecer el diagrama indicado en la figura 6, dnde ha desaparecido el
signo de interrogacin sobre la variable de flujo REPOSICION,
Figura 6
Ahora vamos a definir la variable de flujo (de salida) DEMANDA, haciendo doble
click en esta variable, aparecer una caja de dilogo similar al de la figura 3, y se
indica en la figura 7.
Figura 7
En este caso la variable de flujo DEMANDA solo depender de la variable PEDIDO,

siendo esta una variable aleatoria con distribucin conocida y que definiremos en su
momento. De modo que simplemente hacemos un click en PEDIDO para hacer DEMANDA = PEDIDO, como lo indica la figura 8.
Figura 8
Nuevamente hacemos click sobre OK, para volver a nuestro diagrama donde se
puede comprobar que habr desaparecido el signo de interrogacin sobre DEMANDA.
Ahora vamos a definir la variable aleatoria PEDIDO, que recordemos se distribuye
segn una Poisson de parmetro LAMBDA. Haciendo un doble click sobre PEDIDO,
32
de la lista de funciones de la caja Builtins seleccionamos aquella que dice Poisson, y puesto que ella requiere del parmetro LAMBDA conforme se observa en la
caja Required Inputs hacemos un click sobre LAMBDA, y nos queda lo indicado en
la figura 9.
Figura 9
Supongamos ahora que en nuestro sistema de almacenaje o stock, el valor de INF

tiene el valor de 1, SUP el valor de 3, y LAMBDA el valor de 1. Y adems vamos a
suponer que esta empresa de alquiler de automviles empieza con el stock a nivel
mximo, es decir con el valor de 3. La manera de entregar estos valores es simplemente hacer doble click en cada una de estas variables y entregar los correspondientes valores. Sin embargo dada su importancia vamos a efectuar el llenado
de la variable STOCK. Observemos la figura 10.
Figura 10
Observemos en la lnea superior de esta caja de dilogo que por defecto est activado el botn Reservoir (Receptculo), ms adelante explicaremos las opciones
Conveyor, Queue y Oven. Que sea esta variable de estado de la clases Reservoir
significa literalmente que ella es un receptculo que recibe flujo y que de ella puede
emanar flujo, o de otra forma que su cambio de nivel (dinmica) o cambio de los
valores de estados se debe solamente a los flujos, tanto de entrada o salida, que
sobre ella operan, y que ninguna otra variable tendr incidencia directa en su dinmica, esto significa que tampoco necesita conector alguno que provenga de otra
variable que pueda modificar su comportamiento dinmico, es ms, observe atentamente que no aparece la caja de dilogo Required Inputs, y en vez de ella aparece la caja Allowable Inputs y que en rigor son todas las variables que componen
el modelo pero que no tienen ninguna relacin analtica. Solamente hay que escribir
el valor de INITIAL (STOCK), es decir solo debemos entregar su valor inicial, que en
nuestro caso es 3. Escribimos este valor donde dice Place initial value here y hacemos click en OK.
Bien, qu hemos hecho? La verdad es que hemos realizado un programa computacional. En efecto, demos clic en la ficha EQUATIONS, obtendremos el siguiente
cdigo computacional (figura 11)
33
Figura 11
A este nivel, hemos realizado un programa computacional que nos permitir hacer
una simulacin sobre el comportamiento del nivel de STOCK de una pequea tienda
de alquiler de automviles. Observemos cuidadosamente estas ecuaciones para
convencernos que efectivamente corresponden a un sistema de ecuaciones dinmicas que mostrarn la evolucin a travs del tiempo del sistema dinmico que estamos modelando.
Ejecucin de un modelo.
Vamos a ensear como realizar simulacin para el modelo que hemos realizado.
Para esto, en el men RUN elegimos la opcin Time Specs..., como se ve en la
figura 1,
Figura 1
En esta opcin vamos a determinar que el tiempo es discreto, toda vez que la evolucin de este sistema es en tiempo discreto, en rigor la unidad de tiempo de semana, de modo que al hacer un click en la caja de dilogo que aparece lo completamos de la forma que lo indica la figura 2.
34
Figura 2
Como se puede observar, hemos determinado una longitud de 20 semanas, de manera arbitraria, con un DT igual a 1, y hemos elegido la unidad de tiempo Weeks
(Semanas). Una vez realizado esto hacemos un click en OK. Con esto volvemos a
nuestro diagrama original. Ahora bien, vamos a ver la evolucin de la variable
STOCK mediante una grfica, para esto hacemos un clic en el icono arrastrndolo
a un sitio conveniente, al fijarla aparecer la siguiente caja de dilogo que indica la
figura 3,
Figura 3
35
Como podemos ver, solo en el eje vertical aparece la dimensin tiempo que hemos
indicado anteriormente al definir la longitud de la simulacin. Para poder definir la
variable STOCK que queremos graficar hacemos doble click en cualquier parte gris
de este plano cartesiano. Deber aparecer la siguiente caja de dilogo
Figura 4
Como podemos observar, hay dos cajas principales, una que dice Allowable (Accesibles), y otra titulada Selected (Seleccionada). Como nuestro inters es graficar la evolucin de la variable STOCK, es que seleccionamos esta variable haciendo
doble click a STOCK en la caja Allowable, con esto logramos entonces que STOCK
pase a la columna Selected. De momento solo elijamos esa opcin y el resto de
los botones, que estn por defecto lo dejamos tal cual se ve en la figura 4. Una vez
realizado esto hacemos un click en OK, y nos aparecer la siguiente figura 5,
36
Figura 5
Y aqu podemos observar que el eje Y est tabulado con la variable STOCK. Nuevamente nos vamos al men RUN y elegimos la opcin RUN, debera aparecer una
grfica como la que indica la figura 6.
Figura 6
Esta grfica nos entrega, entonces, una evolucin dinmica de la variable STOCK.
Observe que ha aparecido una imagen similar a las que tienen los controladores de
casette. En efecto, ese es su papel. En los iconos , al presionar uno de ellos significan, realizar una simulacin, pausa y detencin, respectivamente.
37
Software para el modelamiento, simulacin y programacin de aplicaciones robotizadas.
Jos Antonio Velsquez Costa.
www.redalyc.org/articulo.oa?id=81620149005
Lee atentamente el artculo cientfico, rene la informacin obtenida en un
organizador de conocimiento, para presentarlo como control de lectura N1.
RUBRICA DE EVALUACIN DEL ORGANIZADOR DE CONOCIMIENTO.

Nombre del estudiante: ________________________________________
Seccin: _______________________ Fecha: ______________________
CRITERIOS
7 puntos
4 puntos
2 puntos
Contenido
Est redactado de
una forma correcta
y comprensible, las
ideas son claras y
a la vez sintticas,
por lo que son
fciles de
comprender.
Las ideas son poco

comprensibles
al
contar con demasiada o muy poca
informacin.
No posee un
contenido
que
especifique las
ideas que se
desarrollan
o
est muy confuso.
Secuencia
Los saberes estn

organizados
en
forma ascendente
o
descendente,
presentando
un
orden y correlacin
de las ideas.
Los saberes no
estn organizados
en forma ascendente o descendente, las ideas
no estn correlacionadas.
Los saberes estn

en total desorden
y no se especifican correctamente.
Diseo e imagen
Uso de imgenes
para clarificar las
ideas, fotografas,
dibujos, videos en
caso de ser digital.
Uso de algunas
imgenes
en
algunos
eventos
para clarificar las
ideas.
Presenta
solo
texto y usa una
tipografa
que
dificulta su lectura.
Total
Calificacin de la actividad
BIBLIOGRAFIA DE LA UNIDAD I
BASICA
SOKOLOWSKI John A. Principies of Modeling and Simulation A multidisciplinary Approach Wiley and Sons Inc Publication Hoboken New
Jersey 2009
COMPLEMENTARIA
38
COSS BU Ral. Simulacin Un Enfoque Prctico. Mxico D.F.: EDITORIAL LIMUSA S.A., 2003.
GARCA Francisco Simulacin de Sistemas. Mxico D.F.: Compaa
Editorial Continental S. A. CECSA 2005
39
AUTOEVALUACION No 1
Las preguntas siguientes le permitirn verificar su aprendizaje de esta unidad. Le
recomiendo que las resuelva cuidadosamente.
1. Qu entiende por simulacin por ordenador?
a. Un dispositivo de entrada.
b. Un dispositivo de salida.
c. Un programa diseado para imitar a una situacin de la vida real.
d. Una alternativa de solucin.
e. Un caso especial.
2. Con que se detectan las acciones del piloto que generan movimientos de la
cabina usando un software de simulacin de vuelo?.
a. Con sensores.
b. Con software.
c. Con los seres humanos.
d. Con luces.
e. Con sonidos.
3. En un simulador de vuelo, con que se reemplazar la vista real de una cabina?
a. Con un vdeo de la vida real.
b. Con imgenes generadas por ordenador.
c. Con fotografas.
d. Con luces.
e. Con sonidos.
4. Cul es uno de los principales beneficios del uso de simuladores de vuelo sobre
una aeronave real?
a. Es ms realista.
b. Es ms emocionante.
c. Es ms barato.
d. Ninguno.
e. Es ms actual.
5. En cul de estas situaciones no usara software de simulacin de vuelo?
a. Para simular situaciones de emergencia.
b. Para probar diferentes arreglos de seguridad.
c. Para experimentar volar en condiciones meteorolgicas peligrosas.
d. Para construir un modelo de descontaminacin ambiental.
e. Para cambiar una situacin problema de una demanda de productos.
6. Cul de las siguientes alternativas es una desventaja de la simulacin por ordenador?
a. Las condiciones pueden variar y los resultados.
b. Ciertas cosas no se pueden simular con eficacia porque no sabemos lo suficiente sobre ellos, como por ejemplo, los Terremotos.
c. Las situaciones crticas pueden ser investigados sin riesgo.
d. El costo cero.
e. Se pueden realizar muchas pruebas consecutivas.
7. Quin tiene ms probabilidades de usar software de simulacin por ordenador?
a. La polica para atrapar criminales.
b. Un diseador de puentes probando diferentes diseos.
c. Un profesor dando una leccin de ingls.
d. Un comediante probando sus bromas.
40
e. Un estudiante practicando lgebra.

8. Cul de las siguientes NO es una razn para usar la simulacin por ordenador
en la prueba de las bolsas de aire (airbag) en condiciones de choque?
a. Nunca se sabe cundo se puede estrellar.
b. Las condiciones de choque se pueden variar en la pantalla.
c. La simulacin puede ser frenado para estudiar de cerca los efectos.
d. Las bolsas de choque son impredecibles.
e. Los autos no necesitan de las bolsas de aire.
9. De qu depende la precisin de una simulacin?
a. Colores.
b. Reglas.
c. Grficos.
d. Sistema en tiempo real.
e. Situacin externa.
10. Qu entiende por el trmino modelo de computadora'?
a. La representacin de un sistema de la vida real o situacin.
b. Cualquier imagen digital.
c. Cualquier pieza de trabajo guardada en un archivo de hoja de clculo.
d. Cualquier archivo de computadora.
e. Un programa especfico.
41
UNIDAD II: PREPARACIN Y PRUEBAS SOBRE LOS MODELOS.

DIAGRAMA DE PRESENTACIN DE LA UNIDAD II
CONTENIDO
SISTEMA DE
EVALUACIN
ACTIVIDAD
FORMATIVA
Al finalizar la unidad el estudiante presenta en el software de

simulacin un modelo de creacin propia, utilizando los conceptos de realimentacin.
CONTENIDOS
(Tcnicas y Criterios)
(habilidades y actitudes)
Tema N 1: Diseo de
la realimentacin.
1.
Sistemas realimentados.
Tema N 2: Uso de la
realimentacin.
1.
Estructuras que
describen comportamientos.
Tema N 3: Organizacin de pruebas sobre
un modelo.
1.
Herramientas de
Anlisis.
Tema N 4: Ejecucin
de pruebas diversas
sobre un modelo.
1.
Diseo de pruebas.
2.
Ejecucin de
pruebas.
Analiza la naturaleza de
la realimentacin en los
sistemas.
Identifica los elementos
que proveen realimentacin en los sistemas y su
influencia en el modelo.
Elabora 04 modelos sencillos en los cuales se
implemente sendos tipos
de realimentacin, en el
software de simulacin.
Ubicar las herramientas
de anlisis en el software de simulacin.
Disear y ejecutar pruebas sobre modelos diversos.
Implementar en el software de simulacin el
modelo propuesto y elegido por el mismo estudiante.
Ubicar las herramientas
de anlisis en el software de simulacin.
evaluar
individual.

42
Disear y ejecutar pruebas sobre modelos diversos.

otro.
RECURSOS:
Videos:
Tema N 1
Diseo de la realimentacin.
https://www.youtube.com/watch?v=CraU2MeXIB8
Tema N 2
Uso de la realimentacin.
https://www.youtube.com/watch?v=xC63RFvVpRA
Tema N 3
Organizacin de pruebas sobre un modelo.
https://www.youtube.com/watch?v=ZTGwdgjERp0
Tema N 4
Ejecucin de pruebas diversas sobre un modelo.
https://www.youtube.com/watch?v=ZTGwdgjERp0
Los modelos en la ingeniera de sistemas. Tomado de://www.ppooa.com.es/mis.pdf
Aplicacin de un modelo de simulacin discreta en el sector del servicio automotor. Tomado de :
https://revistas.upb.edu.co/index.php/industrial/article/download/2308/2058.
Instrumento
de evaluacin
Bibliografa
(Bsica y
Complementaria)
Recursos Edu-
Rbricas: del modelo implementado en el software de simulacin.
BASICA
COMPLEMENTARIA
43
cativos digitales

44
UNIDAD II: PREPARACIN Y PRUEBAS

SOBRE LOS MODELOS
TEMA N 1: Diseo de la realimentacin.

1. Sistemas realimentados.
La retroalimentacin es un mecanismo de control de los sistemas dinmicos por el cual una cierta proporcin de la seal de salida se redirige a la entrada, y as regula su comportamiento, es decir, un proceso cuya seal se
mueve dentro de un sistema y vuelve al principio de ste sistema ella misma
como en un bucle; Las relaciones humanas pueden considerarse como bucles
de retroalimentacin.
Es un dispositivo que vuelve a hacer un efecto sobre uno de sus causas capacitndose as para cumplir con una determinada finalidad. Las diferencias entre los efectos real e ideal se transforman en energa que se vuelve a introducir
en el mecanismo y tiende a anular las diferencias iniciales que pusieron en
marcha el sistema original.
Hasta la llegada de la ciberntica, los modelos de causalidad eran casi
siempre lineales. En la ciencia prevaleca una polmica epistemolgica entre el
determinismo y la teleologa. En trminos simplificados las dos posturas representaban el conflicto entre las causas iniciales o el resultado final como elemento dominante al influir sobre los estados intermedios. La fsica tenda hacia
la primera postura; la biologa hacia la segunda.
Existen dos tipos de sistemas principalmente. Los no realimentados y los
realimentados, este funciona de tal manera que hace que el sistema se realimente, la salida vuelve al principio para que analice la diferencia y en una segunda opcin ajuste ms, as hasta que el error es 0, mientras que en el primero no se comparan a la variable controlada con una entrada de referencia. Cada
ajuste de entrada determina una posicin de funcionamiento fijo en los elementos de control.
Los sistemas cerrados
La utilizacin de una minicadena para disfrutar de la msica puede servir
de ejemplo, al mismo tiempo que explica qu es un sistema cerrado y sus
componentes. Una persona tiene deseos de or determinada msica. La eleccin proviene de su entorno, de su cultura, de su formacin y de la necesidad
ambiental que en ese momento posea. Al entorno cultural, social, medioambiental en el que se desarrolla un hecho le llamamos ambiente o contexto del
sistema. Esa persona debe elegir el disco compacto que necesite e introducirlo
en la minicadena. Son entradas del sistema, ya que sin ellas, sin la informacin
que aportan, es imposible que el sistema se ponga en marcha. Darle a la tecla
de inicio y comenzar el funcionamiento interno de la minicadena, es el proceso,
en el que se incluye todo el procedimiento tcnico que hace que puedan producirse unos resultados. El sonido que proviene de los altavoces, son las salidas o
resultados del sistema. Si la msica est alta o baja de volumen, y hay que in-
45
tervenir para ponerla a gusto de la persona, se desarrolla mediante mecanismos de feedback.

El feedback supone un complicado proceso de seleccin de datos, de codificacin de los mismos y de toma de decisiones, bien sea para continuar de la
misma forma o para rectificar algunos o todos los elementos del sistema. La retroaccin o realimentacin, son los nuevos ingresos en el sistema, de informaciones provenientes del mismo funcionamiento del mismo.
En el caso de la persona que desea or msica en la minicadena, debe ver,
or, los resultados. Si no son de su gusto, puede ser por lo dicho ms arriba,
que el volumen es alto o bajo, y debe intervenir en las mismas salidas, subiendo o bajando el volumen. Si la msica no es la que pretenda, tal vez se haya
equivocado de compacto, y los mecanismos de control, o feedback, deben intervenir en las entradas, cambiando el compacto equivocado por el correcto. Si
este no se encuentra, tal vez deba variar o modificar los objetivos, ya sea
oyendo otra msica o dedicndose a otra actividad cualquiera, a leer por ejemplo.
Si el problema est en que no se oye nada, o que se oye mal, puede ser
que la minicadena est estropeada y deba intervenir un tcnico. El tcnico, no
nosotros a no ser que lo seamos, debe entrar en el mismo proceso y solucionarlo. Es el feedback en el proceso. En estos casos, se habla de caja negra,
que es aquella que nunca se abre, desconocida para los no iniciados. En la mayora de los sistemas cerrados el proceso de funcionamiento es de caja negra.
En aviones y medios de transporte, la caja negra (que suele ser de color
naranja) nunca se abre, a no ser que sea necesaria una revisin o investigacin. En los sistemas cerrados, el proceso normalmente es secreto, desconocido para la mayora y solamente accesibles a los tcnicos. En su momento advertiremos que en los procesos sociales, hay otro tipo de tcnicos, cuya responsabilidad es ser expertos en procesos, es decir, en cajas negras que debern ser capaces de abrir e interpretar.
Los sistemas abiertos
Se llaman sistemas abiertos a todas las estructuras, en las que intervienen
seres humanos o sus sociedades, y que tienen ntima relacin con el medio o
ambiente en el que estn inmersos. Con otras palabras, el medio incide en el
sistema, y el sistema revierte sus productos en el ambiente. Ambos se condicionan mutuamente y dependen unos de otros. Para que exista un sistema, debe encontrarse siempre un sistema superior.
Todos los sistemas forman parte, como subsistemas, de otros sistemas de
rango ms elevado. El medio ambiente, el ambiente en s o el contexto, es el
conjunto de todos los objetos que puedan influir o tengan capacidad de influencia en la operatividad de un sistema. El contexto es por ello un sistema superior, supra sistema, que engloba a otros sistemas, influye en ellos y los determina, y al mismo tiempo es influido por el sistema del que es superior.
El medio ambiente o contexto
Para evitar que esto resulte en apariencia un galimatas pongo un ejemplo.
Estamos en clase, en un curso de Formacin Profesional Ocupacional. Los
alumnos acceden voluntarios a formarse, cada uno de ellos por causas e intereses diferentes, expectativas distintas y tal vez, incluso, de profesiones y ambientes dispares. Pues bien, todos ellos provienen de un ambiente, cada cual
46
del suyo, y al mismo tiempo con caractersticas muy similares, ya que todos
son producto de una civilizacin occidental, ven la misma televisin, se han
educado en escuelas similares y con un sistema muy parecido
El contexto individual ha marcado diferentemente a los alumnos, y al mismo tiempo el contexto social los puede tener homogeneizados, por lo menos en
parte. Tambin puede darse el caso de que haya alumnos marroques, rumanos, etc., en los cuales el contexto social ya cambia sustancialmente. Pues
bien, estos alumnos provienen de un contexto, y son al mismo tiempo entradas
de un sistema abierto: El curso de formacin.
Las entradas del sistema
Los alumnos ya han entrado en un sistema, que a su vez depende del sistema educativo general, y del sistema cultural de nuestro pas. Existen otras
entradas, no menos importantes, como son el programa del curso, los objetivos
del mismo, los medios y recursos, las capacidades del profesor, el nimo o motivaciones inmediatas de los alumnos, etc. Si seguimos con el ejemplo de la
clase, las entradas sern los objetivos para ese da, los recursos de ese da y la
situacin y condicionantes reales de esa jornada.
En general, toda la informacin, los procesos de programacin y de codificacin, y los elementos que provengan de procesos anteriores, retroaccin o
feedback, vuelven a ser consideradas como entradas del sistema.
El funcionamiento o proceso del sistema
La clase ha comenzado. Estamos en pleno proceso de trabajo. Si fuera un
curso completo, el proceso abarca todo el recorrido de la accin formativa. En
una sesin el proceso est enmarcado en lo que significa el trabajo a realizar
en esa sesin, que depende de un sistema superior, el curso, y de otro suprasistema ms elevado, el sistema educativo o el plan formativo del que depende.
En el momento de la sesin de clase, se deben poner en funcionamiento
todos los mecanismos necesarios para procurar un feedback correcto. En otro
lugar de este libro, cuando se entre de lleno en la problemtica de la evaluacin, veremos cmo puede aplicarse en una sesin de clase.
En un sistema abierto como el formativo, no cabe hablar de caja negra
en los mismos trminos en que lo afirmbamos cuando la referencia era hacia
los sistemas cerrados. En este caso, los expertos somos nosotros, y debemos
abrir la caja negra de la metodologa, de las relaciones interpersonales y de
los recursos, para apreciar dnde estn los problemas y poder solucionarlos.
Siempre quedar otro tipo de caja negra, que son las personalidades de
los alumnos, sus elementos ntimos, o desconocidos. Con un buen trabajo de
interrelacin personal y de grupo, muchos de estos elementos, pueden salir a
flote, ganando en comunicacin y sin lesionar la intimidad de los alumnos.
Los resultados, o salidas, del sistema
A los resultados, o lo que es lo mismo, a los objetivos logrados o no del
sistema les llamamos salidas o acciones resultantes de la fenomenologa sistmica.
47
En la accin formativa de que hablamos, las salidas son los actos o aprendizajes y cambios de conducta, previstos por profesores y alumnos para el
desarrollo de determinada accin formativa.
El resultado del sistema se enva al medio. El alumno aporta a su acervo
cultural, a la sociedad o a su mbito familiar los aprendizajes que le ha proporcionado el sistema. Si los productos o salidas son gratificantes, proporcionan
mayores estmulos y se refuerza la motivacin para nuevos aprendizajes. Gracias a lo cual se hace ms favorable la repeticin de situaciones.
En la sesin de clase, las salidas o productos pueden ser la misma participacin de los alumnos, los aprendizajes inmediatos o el inters por la tarea que
se est realizando.
El feedback y la evaluacin continua
Uno de los pilares fundamentales de cualquier sistema es el feedback. Si
hubiera que traducirlo literalmente, retroalimentacin. No es fcil, ya que en
castellano, se utiliza de muchas formas, retroaccin, informacin de retorno...
Lo verdadero es que el trmino feedback entraa en l mismo toda una filosofa, ms que una simple definicin o concepto. Por esa razn es tan difcil de
definir o de traducir.
En terminologas de enseanza, es lo ms parecido a lo que llamamos evaluacin continua, es decir, recepcin o aceptacin de la informacin que proviene de cualquiera de los elementos del sistema, con el fin de rectificar lo que no
se ajusta a los objetivos o procedimientos y mantener, mejorando, lo que es
correcto.
Retroalimentacin Positiva y Negativa
Es el Proceso de compartir, preocupaciones y sugerencias con la otra persona con una intencin de mejorar su funcionamiento como individuo.
La retroalimentacin es el proceso por el cual un sistema obtiene y procesa
informacin acerca de las funciones que ejecuta para generar acciones correctivas, preventivas o de optimizacin.
Mayormente la mayora de las personas notan a diario la gran presencia (y
tambin la gran ausencia) de procesos de retroalimentacin, al igual en los
procesos industriales (automatizados o no), en los negocios, en la comunicacin, en la educacin, en la medicina, etc.
La retroalimentacin es una herramienta efectiva para aprender como los
dems perciben mis acciones, mis palabras, mis trabajos y hacer conocer a los
dems como yo percibo los suyos.
Ejemplos de retroalimentacin
El ms simple puede darse en la comunicacin diaria. Por ejemplo, si un
profesor le da ciertas instrucciones a otros, al final de la clase el profesor pregunta: me entendiste?, entonces, pueden haber algunas respuestas como:
si no, puedes repetirlo?. Etc. Entonces el profesor tomar las acciones
necesarias para: repetir las indicaciones, no hacerlo, hacerlo pero antes pedir
que preste ms atencin, etc.
48
a.- Retroalimentacin negativa:

Es la ms utilizada en sistemas de control ya que como dice su nombre trata de controlar entre dos elementos.
Se dice que un sistema est retroalimentado negativamente cuando tiende
a estabilizarse, es decir trata de buscar el equilibrio, la estabilidad de que permanezca constante las dos variables a interactuarse.
Un mecanismo de interaccin entre procesos del sistema climtico se llama
retroalimentacin climtica negativa o Feedback negativo, cuando el resultado
de un proceso inicial desencadena cambios en un segundo proceso que, a su
vez, influye en el proceso inicial debilitndolo. Este proceso garantiza la estabilidad del sistema climtico pues se opone al cambio.
Ejemplo: Es cuando sacamos la mano del fuego porque nos estamos quemando, segn la retroalimentacin negativa se da esta definicin ya que uno al
poner la mano al fuego nos damos cuenta (guardamos informacin en nuestro
cerebro) de que luego de la accin (poner la mano al fuego) hay una reaccin
(la consecuencia es la quemadura sufrida) negativa, porque al almacenar este
suceso, nos daremos cuenta que ser difcilmente que la vayamos a volver a
poner que nos suceda.
b.- Retroalimentacin positiva:
Que hace justo lo contrario a lo que hace la retroalimentacin negativa.
La retroalimentacin positiva sucede cuando mantenemos constante la accin y modificamos los objetivos (desestabilizar una situacin), es decir que
trata que una situacin se mantenga en variacin constante en vez de que la
accin se termine como la retroalimentacin negativa.
Tomemos el ejemplo de una empresa de produccin de calzados, que disea un programa de trabajo, para producir 5000 toneladas de sandalias para
dama por semana y al cabo de la primera semana se retroinforma a la gerencia
de operaciones que la produccin real fue de 5500toneladas.
La gerencia decide entonces modificar su objetivo y lo lleva ahora a 5500
toneladas por semana. Las cosas se mantienen as por dos meses. Pero en el
tercer mes la produccin semanal vuelve a subir, esta vez a 5700 toneladas.
Nuevamente, la gerencia modifica sus objetivos y fija esta nueva cifra como
meta semanal. La conducta que sigue esa gerencia de operaciones es de apoyar las acciones o las corrientes de entrada del sistema, de modo de aumentar
siempre la produccin.
En este ejemplo se aplica una retroalimentacin positiva.
En la retroalimentacin positiva el control es prcticamente imposible, ya
que no disponemos de estndares de comparacin, pues los objetivos fijados al
comienzo prcticamente no son tomados en cuenta, debido a su continua variacin. Como la conducta de la variable es errtica, es difcil planear las actividades y coordinarlas con otras.
En estas circunstancias la retroalimentacin positiva tiende a eliminar todo
esfuerzo de programacin y de planificacin.
La retroalimentacin positiva ha producido una conducta fluctuante de la
variable. En otros casos puede producir efectos de amplificacin que alejan
49
constantemente al sistema de algn punto de equilibrio hacindolo totalmente

inestable.
TEMA N 2: Uso de la realimentacin.

1. Estructuras que describen comportamientos.
1) LOS MODELOS DE CRECIMIENTO
Sabemos que la biosfera est constituida de sistemas que cambian con el paso
del tiempo. Conocemos ambos sistemas: ambiental y humano, los cuales pueden describirse por la forma de sus cambios.
El modo por el cual el sistema cambia depende de la organizacin del sistema y
del tipo de fuente de energa que se tiene disponible. Por ejemplo, si lo consideramos de esta manera; algunos ecosistemas aumentan en tamao y
complejidad mientras que otros detienen su crecimiento.
As mismo algunas pequeas ciudades pueden crecer y convertirse en ciudades
grandes mientras que por otro lado, otras ciudades parecen permanecer del
mismo tamao durante varias dcadas (consideramos entonces, que ellas parecen haber alcanzado un estado de estabilidad). Otras ciudades, por su parte,
disminuyen de tamao y complejidad, las industrias tienden a cerrar, y los habitantes se trasladan de ese lugar.
La organizacin de un sistema puede, bien estudiarse diseando un diagrama
del sistema (modelo). A travs de los tipos de fuentes de energa en un diagrama, podemos observar el comportamiento del sistema, que puede crece r o
disminuir.
2. El modelo de crecimiento exponencial
El modelo de crecimiento exponencial en relacin con la dinmica de la
poblacin.
Como hemos de saber, el tamao de las poblaciones de seres vivos se suele
mantener en equilibrio, oscilando ms o menos ampliamente en torno a un valor medio, en funcin de variables conocidas como la natalidad o la mortalidad,
que a su vez dependen, como es de imaginar, de relaciones ms complejas
con otras poblaciones de otras especies, variaciones en las condiciones ambientales, etc.
El crecimiento de una poblacin, es decir el incremento en el nmero de individuos que la componen en cada una de las generaciones, depende como factor
importante, de la tasa de natalidad, que es caracterstica de cada especie y es
variable en funcin de ciertos factores ambientales, y del nmero de individuos
reproductores de que se parte.
Esta tasa de natalidad TN se expresa en tanto por uno. Segn esta aproximacin tan simple, en una generacin el nmero inicial de individuos N0 se ver
incrementado en N0TN:
N1 = N0 + N0TN = N0(1 + TN)
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ (1)
50
Al mismo tiempo, nos damos cuenta que ocurre un hecho completamente contrario, el cual genera que cierto nmero de individuos mueran. La proporcin de muertes respecto al total es la tasa de mortalidad TM. Luego:
N1 = N0(1 + TN - TM)
____________
_ _ _ _ _ _ _ _ (2)
La accin conjunta de TN y TM determinan el incremento real de N0. La diferencia entre TN y TM es la tasa intrnseca de crecimiento de una poblacin, cuyo valor mximo se denomina como potencial bitico (r), el cual es caracterstico de cada especie:
r = TN TM _ _ _ _ _ _ _ _ _ _ _ _
____
_ _ _ _ _ _ _ (3)
Teniendo en cuenta ambos factores, tenemos que el nmero de individuos

presentes en la poblacin en la siguiente generacin ser:
N1 = N0(1 + r)
_____
__
___
_ _ _ _ _ _ _ _ _ (4)
Y en la siguiente generacin tendremos:

N2 = N1 (1 + r) = N0 (1 + r) (1 + r) = N0 (1 + r)2 _ _ _ _ _ _ _ _ _ (5)
Y generalizando:
Nt = N0 (1 + r)t _ _
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ (6)
Si TN > TM, significa que la natalidad supera a la mortalidad con la cual se est
dando, en este caso,
r ser mayor que 0 y la poblacin, en consecuencia lgica tiende a crecer.
En estas condiciones y si no existen limitaciones de otro tipo, la poblacin crece de manera exponencial.
Un ejemplo para tratar de imaginar lo explicado, es el siguiente el cual muestra
este tipo de crecimiento partiendo de N0 = 6 y r = 0,1, o sea una tasa del
10%. Hay que tener muy en cuenta que este tipo de crecimiento slo es posible en circunstancias muy especficas. Por ejemplo cuando una especie coloniza un nuevo espacio y no hay restricciones en los recursos ni competencia por
ellos, es decir, se proporcionan demasiadas facilidades que suelen ser e4scasas
en un modelo mas real, tal es el caso de como ocurre en un cultivo bacteriano recin inoculado durante los primeros momentos de su crecimiento.
Algunas especies siguen este modelo de crecimiento siguiendo ciclos de explosin demogrfica seguidos por elevados ndices de mortalidad, por ejemplo al
comienzo de la estacin reproductora. Presentan curvas de crecimiento en
forma de dientes de sierra tal y como se observa a continuacin:
51
Al potencial bitico, como capacidad de una especie para reproducirse en condiciones ideales, se oponen una serie de factores que, en conjunto, constituyen la resistencia ambiental, la cual establece un lmite al crecimiento de las
poblaciones.
En especies con un comportamiento como el descrito estos factores suelen ser
independientes de la densidad de poblacin, como variaciones climticas, en la
cantidad de alimento disponible, tiempo de vida, riesgo natural de la especie,
entre otras.
La tasa de natalidad es primero muy elevada y luego va siendo menor hasta
igualarse a la de mortalidad cuando la poblacin alcanza el lmite de carga. Por
encima de ste, la tasa de mortalidad supera la de natalidad e impide que la
poblacin contine creciendo. Sin embargo, nos encontramos con que es frecuente que tras un perodo de crecimiento rpido este ajuste tarde en ocurrir lo
suficiente como para que la poblacin supere el nivel K de forma momentnea,
tras lo cual se produce una elevada mortalidad y por tanto, una visible cada de
la poblacin. Y puede, ocurrir en este caso, que el valor de N oscile en torno a
K hasta alcanzar el equilibrio:
El mximo crecimiento de la poblacin y la mxima produccin se da mientras

se logra mantener la etapa de crecimiento exponencial, antes que los factores
dependientes de la densidad tomen tanta importancia logrando de esta manera, limitar el crecimiento.
52
En la siguiente figura, podemos observar lo que corresponde al segmento comprendido entre los puntos 1 y 2:
Ya hemos observado un poco acerca de lo que ocurre con la dinmica de la poblacin, interpretada en base al modelo de crecimiento exponencial, por tanto
es que a continuacin, se representa el crecimiento mismo de la poblacin,
pero a hora considerando una fuente de presin constante.
La fuente de presin constante puede abastecer tanta energa como se necesita. Para entender mejor este concepto, pensemos en una poblacin de conejos
que se encuentran en pleno crecimiento, y que poseen un abastecimiento frtil
de alimento que no considera para nada, la rapidez con que ellos suelen alimentarse.
Podemos seguir en este caso el flujo del diagrama que se encuentra mas abajo, para poder ver como la poblacin de conejos tiende a aumentar; esta se
retroalimenta para traer mas energa
(es decir,
a
travs de ms alimentacin) para procrear mas conejos.
Tenemos que se el sistema comienza con un conejo macho y una hembra, y
ellos producen cuatro conejitos que a su vez producen ocho; y as, en la misma
tasa de aumento, entonces la prxima generacin producir 16, la prxima 32,
la prxima 64 y as sucesivamente, hasta no sabemos cuando. Como el nmero de conejos aumenta, ellos usan ms de la fuente de energa y el nmero
aumenta rpidamente.
Podemos apreciar de esta manera, que existe una aceleracin del crecimiento de la poblacin de conejos a lo largo de la misma concentracin de abastecimiento de alimento. La curva de una poblacin bajo estas
condiciones es a lo que llamamos ms comnmente como: crecimiento exponencial.
Es muy importante observar cuidadosamente que el crecimiento exponencial aumenta en un constante porcentual ya que se encuentra en una
proporcionante funcin del tiempo.
A lo que se refiere en la prctica, la fuente de energa a presin constante no
puede ser mantenida siempre indefinidamente, entonces tenemos que el crecimiento exponencial infinito es tcnicamente imposible.
53
De cualquier manera, durante el transcurso de las primeras etapas del crecimiento de la poblacin, cuando la demanda de alimento suele ser pequea
(comparada con la cantidad disponible), la energa puede encontrarse disponible a presin constante; entonces el crecimiento puede considerarse
de
manera exponencial. Pero eventualmente, el alimento podra volverse limitante y la situacin lgicamente necesitara ser representada por un modelo diferente.
Para que nos quede mas claro el papel que juega el modelo del crecimiento exponencial, es preciso poderlo verlo desde otro punto de vista, o mas bien, poder moldearlo de tal manera que no quede duda de su funcionamiento. Con
esto me refiero a que este tipo de crecimiento, tambin puede ser observado
como un Inters Compuesto
La ecuacin general para el crecimiento poblacional se puede deducir como:
Nt = N0
Donde Nt es el tamao poblacional en algn momento (t), N0 es la poblacin inicial y
es la tasa de incremento anual.
Otra forma de presentar esta ecuacin es:
Nt = N0
Cuando no existe suficiente informacin como para llenar una tabla de vida de
la poblacin, puede ser calculado a partir de la tasa de cambio en un intervalo de tiempo determinado. Por ejemplo:
= Nt+1 / Nt
La ecuacin Nt = N0 t describe a una poblacin que crece exponencialmente
en el tiempo. Este tipo de crecimiento (similar al del inters compuesto en
economa) se da cuando
es mayor que 1, el ambiente es constante y
hay exceso de recursos.
Es el responsable de la forma de la curva de crecimiento poblacional. Este parmetro define la velocidad del crecimiento poblacional.
El crecimiento poblacional est influenciado por las caractersticas del ciclo vital
de las especies tales como: la edad al inicio de la reproduccin, el nmero de
descendientes producidos, la supervivencia de los individuos y la longitud del
periodo reproductivo.
Una poblacin puede crecer en forma exponencial hasta que sobrepasa la capacidad del ambiente para sostenerla. Justo en ese momento la poblacin entra
en un abrupto declive debido precisamente a la inanicin, enfermedad o emigracin.
La curva en forma de J o exponencial la podemos apreciar mas usualmente en
poblaciones de animales introducidos en ambientes nuevos.
La tasa finita de incremento anual ( ) puede ser expresada como una tasa de
incremento, r, que describe el crecimiento poblacional instantneo. En este caso se asume que la poblacin crece continuamente en el tiempo en vez de que
exista una estacin de cra discreta.
La tasa de incremento se calcula como:
r = ln
54
La tasa de incremento depende de si la poblacin a la que nos referimos posee

una distribucin estable en clases de edad, de las fecundidades y supervivencias de cada edad de la poblacin. Dado que todas estas variables cambian,
como es de suponerse, continuamente, los valores de r y cambian tambin
continuamente. A pesar de esto el uso de r permite comparar el crecimiento de
poblaciones que viven bajo diferentes condiciones ambientales, tambin permite una comparacin directa de tasas as como para calcular el tiempo de duplicacin de una poblacin.
Aqu podemos permitirnos observar un hecho que es de gran importancia a nivel de la vida de las especies. Con esto hago referencia a las condiciones ambientales que limitan el crecimiento poblacional.
Es decir que, en la naturaleza el ambiente cambia constantemente y los recursos, como es bien sabido, son limitados. Esto nos refleja una situacin que
se presenta que a
medida de que la densidad de una poblacin aumenta, la competencia entre los miembros de la misma poblacin por recursos
disponibles tambin aumenta.
Ante este escenario y la escasez de los elementos, la mortalidad se incrementa
y/o la fecundidad disminuye. Como resultado el crecimiento de la poblacin
disminuye alcanzando en algunos casos un nivel estable. Este nivel se conoce
como la capacidad de carga o K.
Tericamente en K la poblacin se encuentra en equilibrio sin crecer ni disminuir.
En los casos en los cuales el crecimiento poblacional no es afectado por los niveles
de
densidad
poblacional
se
habla
de
crecimiento
densoindependiente.
A este ltimo caso corresponde los modelos de crecimiento poblacional exponencial.
Podemos verificar que para un intervalo de tiempo especfico, este modelo se
expresa como:
Nt = N0 ert
(Lo nico que estamos haciendo, es reemplazar t por el trmino ert) Cuando
esta modelo se especifica para tiempo continuo (no para intervalos), se
expresa por la ecuacin diferencial:
dN / dt = rN
Una ltima forma de representar el modelo del crecimiento exponencial, y dentro de la dinmica de las poblaciones de manera muy resumida y concreta, adems de ser muy sencilla es como se anuncia a continuacin:
Se supone un crecimiento continuo e indefinido (que se refiere a la retroalimentacin positiva)
dN/dt = rN
N = # de individuos de la poblacin, t = tiempo durante el cual se dar el crecimiento, ndice reproductor neto expresado como tasa diferencial, d = diferencial de...
Por cada unidad de tiempo que pase la poblacin se multiplicara por una cantidad constante, mientras ms grande ser N mayor ser el crecimiento.
55
Podemos citar ejemplos para terminar de concretar la representacin.

Vanse a continuacin algunos de ellos:
Una poblacin de vizcachas en enero de 1991 tena 200 individuos y en enero
de 1992 se produjeron 40 muertes y 80 nacimientos. Hallar las tasas porcentuales anuales de natalidad y mortalidad y calcule el tamao final de la poblacin suponiendo que no hubo migracin.
Una poblacin de vicuas presenta un crecimiento exponencial (condiciones ptimas) en cuantos aos alcanzar una poblacin de 500 individuos. Si r =
1.2 y No = 50 individuos.
Tambin podemos incluir una nota interesante como lo siguiente:
El economista britnico Thomas Malthus propuso en 1798 que el crecimiento de
una poblacin se puede considerar como un proceso continuo, cuya velocidad
de aumento es proporcional a la poblacin ya existente: tenemos todos los ingredientes para la aparicin de nuestro nmero.
Si P0 es la poblacin inicial (es decir, la existente cuando comenzamos a contar), existe una constante de crecimiento k en cada poblacin, de manera que el nmero de individuos al cabo de un tiempo t, viene expresado por una ley del tipo P(t) = P0 e k t . Por ejemplo, supongamos que contabilizamos 500 bacterias en una placa de Petri. Una hora despus comprobamos
que su nmero ha aumentado hasta 800: P(1) = 800 = 500 e k 1 , tomando
logaritmos se calcula fcilmente el valor de k como 0'47 (aproximadamente).
La ley de crecimiento de la poblacin queda como P(t) = 500 e
0'47 t
Esto, dejado as, presenta un problema: al cabo de una semana, el nmero de

bacterias ser de unos
500 e
0'47 168
= 10
37
ejemplares, aproximadamente.
Si consideramos una bacteria que tenga un volumen de cuatro micras cbicas, calcula cunto ocuparan las anteriores y vers que nos saldran estos bichos por la boca.
56
En la realidad ocurre que las poblaciones encuentran un nivel de saturacin, que no pueden sobrepasar por dificultades de espacio, de alimento o de
otros condicionantes. Los bilogos han perfeccionado la frmula establecindola como
, llamado modelo logstico donde A (nivel de saturacin) B y

K son constantes que dependen de cada poblacin particular.
Y para concluir con este tema, daremos una breve conclusin, que sigue como
parte de un ecosistema como los modelos antes citados:
La explotacin de los ecosistemas por el hombre, ya hablemos de agricultura,
ganadera o pesca, consiste en extraer biomasa manteniendo el ecosistema inmaduro, evitando que progrese la sucesin y el consumo respiratorio suponga una menor produccin neta. Desde el punto de vista de la demografa se
tratara de mantener la poblacin de crecimiento exponencial, evitando que el
aumento de la densidad haga decrecer la produccin. Pero la sobreexplotacin
significa extraer ms deprisa de lo que puede crecer la poblacin, se reducir
su densidad a un nivel inferior al de produccin ptima. El buscar el mximo
beneficio en el menor plazo posible puede conducir a reducir los niveles de la
poblacin objeto de explotacin por debajo de ese umbral crtico que permita la
recuperacin de la misma.
En condiciones naturales, no todas las especies utilizan la misma estrategia en
la bsqueda de su adaptacin a las condiciones ambientales y su permanencia
en el tiempo. El tamao de la poblacin depende del equilibrio entre fertilidad (o potencial bitico) y supervivencia:
Unas especies presentan elevada fertilidad (gran potencial bitico) aunque
su supervivencia sea baja. Se denominan r estrategas, y son propias de ambientes cambiantes o inestables, sometidas a elevados ndices de mortalidad,
que compensan con crecimientos explosivos en perodos favorables. Son especies oportunistas, pioneras o colonizadoras que basan su xito en producir un
gran nmero de esporas, huevos, larvas o juveniles aunque su mortalidad sea
muy elevada (curva de supervivencia tipo III)
Otras especies sitan el nmero de individuos por debajo de la capa-
cidad de carga K, son los K estrategas, que priman la supervivencia por encima
de la fertilidad. Son especies propias de ambientes estables, muy adaptados a
ellos, en general grandes y longevos. Adoptan esta estrategia especies muy territoriales, con marcada organizacin social. Pero son la densidad de poblacin
tiene un gran efecto y presentan mecanismos de regulacin social: es decir,
que no todos los individuos se reproducen, ya que son muy sensibles a cambios
57
ambientales. Incluso, una poblacin puede llegar a extinguirse, y esto puede

ser ocasionado, ya que esta ltima tiende a ser pequea, o bien, si la disponibilidad de recursos disminuye considerablemente.
Pero es bien cierto que las poblaciones pueden llegar a la extincin por muchas
causas. Una de las causas mas comunes en los ltimos aos ha sido la destruccin de hbitat. La destruccin del hbitat lleva a que la convivencia se vea restringida a un nmero cada vez menor de individuos.
En muchos casos las actividades principales de las poblaciones (como escape
a depredadores, bsqueda de alimento y apareamiento) dependen de un nmero crtico de individuos. Si por alguna razn la poblacin decrece a niveles
menores que este nmero crtico entonces es muy probable que ocurra la extincin.
La extincin es un proceso natural y selectivo. Las probabilidades de extincin de una especie dependen de sus caractersticas biolgicas como de eventos aleatorios. Las caractersticas biolgicas que favorecen la extincin son:
gran tamao corporal, rango geogrfico restringido, especializacin en un
hbitat, falta de variabilidad gentica y baja plasticidad fenotpica y trfica.
En fin, esto es solo una parte muy importante que debemos tener en cuenta
para la preservacin de estas especies, y para poder seguir llevando a cabo,las
diversas actividades, implantando as mismo, mtodos y buscando una explicacin mas lgica, como con el modelo exponencial, antes citado.
Uso en la datacin por medio del carbono 14.
En los sistemas cerrados (que pueden ser lquidos o slidos), no existe aporte
continuo de nutrientes, ni drenaje de clulas ni de sustancias de desecho.
En estos sistemas la fase exponencial de crecimiento balanceado no restringido
dura slo unas cuantas generaciones, debido al agotamiento de nutrientes y/o
a la acumulacin de desechos.
El crecimiento en un sistema cerrado consta de varias fases, que pasamos a
comentar:
Fase de retardo (fase "lag"): Es el perodo de tiempo durante el que el inculo
se adapta a las condiciones del medio fresco sobre el que se ha sembrado. Se
trata de un perodo de ajuste metablico. Su duracin depende de varios
factores:
tamao del inculo;
bondad del inculo (estado metablico previo del inculo):
Pero aun cuando la inoculacin se hace desde un cultivo previo en fase logartmica, cuyo medio sea idntico al medio fresco, se observa siempre una fase
larga.
Fase de transicin, de crecimiento acelerado.
Fase de crecimiento exponencial (= fase logartmica). La fase 2 se debe a
que cada clula entra en la fase exponencial con desfase respecto de sus compaeras. Ello demuestra que las clulas del inculo no estn todas en las mismas condiciones fisiolgicas.
58
Durante la fase logartmica se da un crecimiento balanceado no restringido durante unas pocas generaciones (normalmente menos de 10). El tiempo de generacin (g) es caracterstico para cada especie o cepa, en cada medio concreto:
El valor del tiempo de generacin (g) depende de:
Composicin del medio

Temperatura
Ph
Tonicidad, entre otros
Los microorganismos hetertrofos suelen crecer ms rpidamente en los medios complejos, ricos, que en los medios sintticos, y dentro de estos ltimos,
mejor con glucosa que con otras fuentes de carbono.
Fase de aceleracin negativa, de crecimiento desequilibrado.
Fase estacionaria: Esta fase se caracteriza porque el coeficiente neto de crecimiento se hace nulo (
= 0), pero an existe crecimiento. Lo que ocurre es
que el crecimiento bruto se equilibra con las muertes celulares.
En este perodo se agotan nutrientes especiales y se acumulan sustancias de
desecho. Incluso el pH del medio empieza a hacerse inadecuado para el crecimiento celular.
Si la bacteria crece en un medio complejo, la fase 4 de transicin (de aceleracin negativa) puede ser relativamente larga, debido a que va recurriendo a
fuentes alternativas (por ejemplo,
puede recurrir a aminocidos como fuente
de C una vez agotados los hidratos de carbono).
En la fase estacionaria an existen reacciones metablicas, pero el metabolismo general es diferente al de la fase logartmica:
Fase de transicin hacia Fase de muerte exponencial: Se da muerte y lisis masiva, exponencial, del cultivo. Se debe al agotamiento de reservas de energa.
Algunas veces las clulas aparecen grandes, hinchadas, distorsionadas (formas
"fantasmas", "ghost"). La pendiente de esta parte de la curva depende de las
especies (por ejemplo, en bacterias entricas es suave, mientras que en Bacillus es ms acentuada).
Tambin lo podemos relacionar con una desintegracin radiactiva:
Algunos tomos son inestables y se desintegran espontneamente
emitiendo radiaciones. Se ha observado que el tiempo en que determinada sustancia se reduce a la mitad, llamado vida media, es una constante caracterstica de ella e independiente de la cantidad que haya. La ley de Rutherford
sobre la desintegracin radiactiva dice que el nmero de tomos de un elemento radiactivo transformados en un tiempo determinado es proporcional al nmero de tomos de ese elemento que estn presentes en la sustancia, en particular, la frmula que describe la desintegracin es de la forma: N(t) = N0e k
t.
La vida media de los elementos radiactivos puede utilizarse a veces para determinar la fecha de sucesos del pasado de la Tierra. Las edades de las rocas
de ms de 2000 millones de aos pueden establecerse mediante la desintegracin radiactiva del uranio (de 4500 millones de aos de vida media).
59
En un organismo vivo, cada gramo de carbono contiene 10 -6 gramos de

C 14 . Tras su muerte, el organismo deja de absorber carbono y la
proporcin de C 14 decrece a medida que se va desintegrando. Su vida media
es de unos 5730 aos, de modo que es posible estimar la edad de restos orgnicos: los arquelogos han fechado as conchas, semillas, objetos de
madera, o la fecha en que se realizaron pinturas rupestres.
Hllese k en la frmula de desintegracin del C 14.
El carbn de un rbol muerto en la erupcin volcnica que dio origen al Lago
Crter, en Oregn, contena el 44'5% del C 14 que se halla en la materia viva.
Qu antigedad aproximada tiene el lago?
En el ao 2000 se encuentra, en el centro de Illinois, un hueso fosilizado
con el 17% de su contenido original de C 14. En qu ao muri el animal?
Contstese en el caso de que las proporciones fuesen 16% y 18% respectivamente (para ver las consecuencias de un pequeo error en la medida del
carbono).
El modelo exponencial, adems de servir para la datacin del carbono 14, y para las dinmicas de las poblaciones, tambin es de gran utilidad en las finanzas, ya que se relaciona con el inters compuesto y todo lo relacionado a ello.
Una aplicacin ms, puede ser manifestada dentro de la fsica como parte de la
velocidad en relacin con el tiempo. Esto por citar algunas de sus ms importantes aplicaciones, sin embargo, tambin se puede relacionar con mayores
reas.
Modelo de crecimiento logstico.
Para comenzar a hablar acercas del modelo de crecimiento logstico, es necesario indicar que los recursos necesarios deben ser limitados; y una consecuencia
inmediata acerca de ello, es que, tanto nacimientos como muertes dependen
del tamao de la poblacin.
Obtenemos de esta manera, la ecuacin que nos describe la familia de ecuaciones de crecimiento:
Donde N es el tamao de la poblacin,

t = punto en el tiempo dado en minutos, horas, aos, dcadas, etc.
Posteriormente nos damos cuenta la manera en
crecimiento de la poblacin, esto es:
b = b-aN
que se
define el de-
Y de la misma manera, la proporcin de incremento, la sealaremos de la siguiente forma:

d = d+cN
Ambas se encuentran representadas de una forma muy simple, y esta es la de
lneas rectas, que respectivamente decrecen o crecen.
Con esta informacin, podemos darnos cuenta inmediatamente que el modelo
exponencial, anteriormente descrito, es un caso particular del modelo logstico
en donde no existe un efecto de nacimientos o muertes, es decir, a=0, o c=0.
60
Dentro del mundo real, estos modelos no suelen ser tan fciles, las cosas se
comienzan a complicar cuando intentamos ajustarnos lo ms que podamos a la
realidad. Para estos efectos, necesitamos que la poblacin sea pequea y genere un mnimo de crecimiento de poblacin. Los nacimientos y las muertes, aqu
van a estar comportadas como denso-dependientes.
Con lo cual, podemos describir ahora, nuestro modelo logstico:
[(b-aN)-(d+cN)]N
Esto, con una reagrupacin de trminos la podemos ver as:
Ahora llamemos r= (b-d), la expresin se simplifica mucho mas:
Determinemos, de una manera mucho mas simple nuestra ecuacin diferencial para describir el modelo de crecimiento logstico, haciendo un pequo
cambio de variables, es decir , haciendo que K= (b-d) / (a+c) Obteniendo de
esta manera :
dN/dt = rN (1-(N/K)
En la figura se nos muestra una visin grfica de que lo que se representa al

decir que las variables, tanto de nacimientos como de muertes, son denso- dependientes. Mostrndonos que las muertes y nacimientos solo son iguales
en un punto, que es justo en el lugar en donde se intersectan.
Antes de continuar, es preciso tener en cuenta, que la funcin exponencial ya
que la funcin a estudiar est relacionada muy cercanamente con ella. Sin embargo, no debemos confundir una con la otra.
A continuacin se presenta una representacin de cada uno de los modelos para darnos cuenta de lo que la semejanza significa.
Es bueno mencionar el modelo de crecimiento discreto de una poblacin, que
se define como
61
N t+1 = N t + rd Nt [ 1- (Nt/K)
Este modelo pareciera ser anlogo al modelo continuo y tambin al modelo original del modelo exponencial. Pero este modelo esta ajustado al tiempo de retrazo de longitud 1.0. La poblacin avanza en el futuro, dependiendo de la poblacin en la fecha inicial; es decir, la dinmica depende nicamente de rd.
Observemos la representacin de la grfica que nos comunica que el tamao

de la poblacin no es muy grande ni muy pequeo, simplemente tiene una medida en trmino medio, lo cual provoca que se cree este modelo de una forma
un poco compleja para ciertos puntos que tienen que ver con la rd.
En el estudio de la funcin exponencial siempre tenemos que tener en cuenta
que la base a es siempre positiva y que hay dos tipos claramente diferenciados
dependiendo de si a > 1
0 < a < 1.
La funcin exponencial es un modelo vlido para crecimientos o decrecimientos
continuos en los que las condiciones son siempre igualmente favorables:
aumento del capital ingresado en un banco, desintegracin de sustancias radioactivas.
Las poblaciones de seres vivos comienzan creciendo segn una curva exponencial pero si no hay catstrofes, llegan a invadir su espacio vital y, debido
a la limitacin de alimentos, peligro conforme a la especie, entre otras cosas
mas, su crecimiento se amortigua, no sobrepasando su poblacin lmite.
Este tipo de aumento, amortiguado por un nivel de saturacin se llama crecimiento logstico.
La funcin logstica nos permite apreciar mucho mejor lo que ocurre con las
poblaciones ya que describe de manera mas precisa que la exponencial lo que
realmente ocurre con los seres vivos.
En general, la funcin logstica asociada a una exponencial es:
FUNCION EXPONENCIAL
tiempo
FUNCION LOGSTICA
donde C
es la poblacin inicial,
el
donde L es la poblacin lmite, K = ( L / C )
-1
62
Aqu podemos introducir un ejemplo muy claro que se puede apreciar en la vida
real:
En una isla dejamos escapar 100 conejos, especie desconocida hasta entonces
en esos parajes. Supongamos que las condiciones para que se reproduzcan son
ptimas, por lo que se incrementan en un 10% mensual. ( Hasta aqu sera un
modelo exponencial tpico)
Supongamos ahora que la isla tuviera un tamao y unas condiciones tales que,
a lo sumo pudieran vivir 1000 conejos. Este es el nmero que consideraramos
como nuestra poblacin lmite. En este caso la funcin que describe el crecimiento es la funcin logstica asociada. Observa en la siguiente escena sus caractersticas. L = 1000 y K = 9.
En la siguiente tabla se observa el nmero de conejos que habra en la isla segn cada modelo.
M
E
S
0
1
LOGISTICA
EXPONENCIAL
DIFERENCIA
10
10,891089
11
11,851126
35
12,883554
35
13,991647
63
15,178441
10
11
17,71561
1
0
16,446650
58
17,798588
48
19,236072
39
20,760332
37
22,371917
17
0
0,10891089
1
0,24887365
3
0,42644564
9
0,64935236
7
0,92665900
1
1,26895941
7
1,68858252
4
2,19981571
3
2,81914454
1
3,56550743
1
1
1
1
2
1
3
1
4
1
5
24,070603
34
25,855310
75
27,724028
45
29,673755
26
31,700459
12
28,53116706
2
3
4
5
6
7
8
9
12,1
13,31
14,641
16,1051
19,487171
21,4358881
23,57947691
25,9374246
31,38428377
34,52271214
37,97498336
41,77248169
4,46056371
8
5,52897301
9
6,79868369
2
8,30122809
6
10,0720225
7
63
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
33,799059
34
35,963435
45,94972986
38,186462
15
40,460081
01
42,775393
23
45,122787
58
47,492090
81
49,872739
23
52,253964
79
55,59917313
50,54470285
61,15909045
67,27499949
74,00249944
81,40274939
89,54302433
98,49732676
12,1506705
3
14,5812678
5
17,4127109
9
20,6990094
4
24,4996062
6
28,8797118
7
33,9106585
8
39,6702851
46,2433619
7
Hay que poner mucha atencin como durante los primeros meses los nmeros son casi idnticos: an estaba lejos el nivel de saturacin. Sin embargo, al
el tiempo la diferencia es enorme y despus los resultados obtenidos para cada
modelo no tienen nada que ver
Se supone que la poblacin no crece indefinidamente y mientras mayor sea su
densidad ms lento ser el crecimiento, se detendr cuando la poblacin alcance un lmite denominado capacidad de carga.
Experimenta retroalimentacin negativa, la poblacin crece solo hasta un lmite, la capacidad de carga, y cuando se supera disminuir su tamao.
Una poblacin est influenciada en su mayor o menor grado por el medio ambiente, esto manifiesta en el tamao y el crecimiento de la poblacin
dN/dt = rN[ (k-N)/k]
De una manera mas explcita, podemos decir que las poblaciones van creciendo inicialmente rpido en una fuente de presin constante, es decir, se
vuelven tan numerosas que pierden su capacidad de crecer debido a interacciones entre los miembros de la poblacin, resultando entonces, como habra de esperarse, un estado de equilibrio. Este tipo de crecimiento se llama
crecimiento logstico.
Podemos decir que el crecimiento logstico es el balance entre produccin en
proporcin a la poblacin, y a las prdidas en proporcin a la oportunidad de
interacciones individuales.
El proceso de crecimiento puede ser entendido con el auxilio del diagrama de
smbolos del modelo que podemos observar en la siguiente figura . Un ejemplo
es el crecimiento de levadura en el fermento del pan. Primeramente, el crecimiento de la poblacin es casi exponencial. La disponibilidad de alimento es
constante y como la poblacin crece esto implica comer ms y ms. Sin embargo, las clulas de levaduras se vuelven tan numerosas que sus productos
comienzan a interferir con el propio crecimiento. Resultando un estado de
equilibrio entre produccin y prdida de clulas.
64
En esta figura se observa parte de la produccin del modelo. El abastecimiento de energa es una fuente de presin constante, y la poblacin est extrayendo energa y retroalimentando para extraer ms. El crecimiento de la poblacin es por esta razn, al principio, exponencial. No obstante, en la figura se
nos muestra que la poblacin, por interacciones consigo misma, crea un drenaje acelerado de energa, el cual ir eventualmente a extraer energa suficiente para detener el crecimiento de la poblacin. En estas condiciones, el grfico
muestra el crecimiento exponencial que disminuye, y eventualmente se nivela
a un estado de equilibrio. Este sistema tiene una fuente de presin constante
y un drenaje de auto-interaccin.
Observemos que en la figura anteriormente citada, la etiqueta en el smbolo
de depsito es "cantidad". Este trmino genrico lo podemos usar para denominar el contenido del depsito. Tambin recordemos que "cantidad" puede
referirse a nmeros de poblacin, biomasa, depsito de energa o para todos
ellos.
Otro ejemplo del modelo es el crecimiento de la poblacin humana y sus servicios en la ciudad. El crecimiento puede aumentar exponencialmente hasta que
la superpoblacin de casas, calles, tiendas, y autos comience a aumentar los
factores negativos de suciedad, ruido, crimen, y polucin, y el coste de lidiar
con esto se torne progresivamente mayor. Cuanto ms crece la poblacin, mayor es el drenaje, hasta que el crecimiento de la ciudad se nivela.
Consideraciones acerca de la gestin logstica
Muchas empresas fabrican o comercializan en la actualidad productos y/o servicios altamente competitivos, sin embargo, no cuentan con la capacidad necesaria para ofertarlos en el tiempo y en el lugar, de acuerdo a los requerimientos
de los clientes. Esta falta de capacidad se debe en gran medida al no adecuado
diseo del proceso de creacin de los productos y/o servicios, dentro del cual la
logstica desempea un papel decisivo.
La logstica es una funcin de la organizacin que abarca el flujo material, financiero y de informacin asociado al movimiento de los recursos.
Elaborar 04 modelos sencillos en los cuales se implemente sendos
tipos de realimentacin, en el software de simulacin.
INSTRUCCIONES:
1. Observa los videos
a. Crecimiento exponencial
https://www.youtube.com/watch?v=AfAdcLcYIEk
b. Estructuras genricas
https://www.youtube.com/watch?v=ZDdq-qTiSgk
2. En base a los contenidos de los temas 3 y 4, implementa 4 tipos de
crecimientos que usen realimentacin.
65
Los modelos en la ingeniera de sistemas.
Fernndez Snchez, Jos Luis Universidad de Cantabria Espaa.
http://www.ppooa.com.es/mis.pdf
Lee atentamente la lectura y observa los videos incrustados, rene la informacin obtenida en un organizador de conocimiento.
Tema N 3: Organizacin de pruebas sobre un modelo.

1. Herramientas de Anlisis.
Los modelos de dinmica de sistemas son causales y descriptivos, esto quiere decir
que estn orientados al diseo en vez del propsito, por lo tanto, los que es esencial en la validacin de un modelo es la estructura interna. Resultado correcto por
las razones correctas.
Prueba de lmites del modelo
Esta prueba busca determinar cules son los lmites que fueron considerados a la
hora de definir las variables del sistema y permite deducir si tales lmites son apropiados para el problema en cuestin, es decir, permite verificar que los lmites del
modelo se correspondan con su propsito. Para ello es necesario construir un lmite
inicial y a partir del mismo estudiar las variables exgenas que podran ser endgenas y las variables exgenas que podran variar en el tiempo de acuerdo con el horizonte temporal.
La prueba de los lmites del sistema tienen como propsito determinar qu variables son exgenas y cules son endgenas, es decir, cuales son influenciadas e influencian el sistema o cuales son influenciadas o influencian, el sistema, pero no
ambas a la vez.
Otro aspecto a considerar es el lmite temporal, es decir, el horizonte de tiempo, en
el cual se da la evolucin del sistema a partir delas condiciones iniciales.
Pruebas de evaluacin de la estructura
Las pruebas aplicadas a la estructura tiene como propsito verificar la consistencia
de la estructura con el sistema real, es decir, que busca establecer una correlacin
alta entre los elementos constitutivos de la realidad modelada y las variables del
modelo.
Entre los elementos a considerar estn el nivel de agregacin, la topologa del sistema fsico y las reglas de decisin. Por ejemplo, sera inconsistente tener un modelo que admita un nivel de agua negativo. Adems se debe tener en cuenta que
haya consistencia dimensional, es decir, no es coherente que los flujos asociados a
66
un nivel sean de unidades diferentes a lo contenido en el nivel, es decir, si hay un

nivel que contiene agua, sera incoherente que hubiere un flujo de vino y que lo que
sigue estando contenido en el nivel sea agua. Concluyendo, esta prueba verifica
que en el modelo se haya considerado las caractersticas del sistema real relevantes
para su propsito.
Evaluacin de parmetros
Esas pruebas deben determinar qu tanto los parmetros tienen un significado claro y evidenciable con respecto del fenmeno modelado. Estas pruebas son realizadas con el concurso de herramientas estadsticas o con la opinin de los expertos
en el dominio de conocimiento al cual pertenece la realidad modelada.
Pruebas de condiciones extremas
Esta prueba tiene como propsito probar la robustez del modelo bajo condiciones
extremas, es decir, permite analizar si el modelo se comporta apropiadamente
cuando las entradas toman valores extremos, por ejemplo:
Ante la pregunta de cuntos nacimientos habran si no hay conejas en la isla? y si
la pregunta fuera cunto sera el nmero de carros vendidos si el precio se incrementa a 300 millones por carro? El lector puede estar pensando que son obvias las
repuestases decir, debera ser obvio que el modelo debera pasar las pruebas de
condiciones extremas.
Pruebas de reproduccin de comportamiento
Para evaluar la habilidad de reproducir el comportamiento en un modelo puede
usarse estadsticas comunes, por ejemplo, el R, coeficiente de determinacin, por
ejemplo, la fraccin de la varianza en los datos que es explicada por el modelo,
esto es, una prediccin perfecta.
Tambin se puede usar el MAE: Mean Absolute Error, el MAPE: Mean Absolute Percent Error, la MAE/Mean, el (R)MSE: (Root) Mean Square Error, que pone mayor
peso en los errores grandes que en los pequeos.
Si se desea evaluar matemticamente el nivel de ajuste de los resultados del modelo con respecto a los datos reales, se usa el Estadstico de Theil, que permite obtener una medida del nivel de ajuste de un modelo conforme a la realidad y consiste en dividir el cuadrado medio del error en tres componentes: sesgo (Um), variacin desigual (Us, unequal variation) y covariacin desigual (Uc, unequal covariation). El sesgo crece cuando la salida del modelo y los datos reales difieren en su
media. La variacin desigual indica que la varianza de las dos series difiere. La covariacin desigual indica que el modelo y los datos reales no estn bien correlacionados, es decir, que difieren punto por punto.
Para un ejemplo completo se invita al lector a revisar el artculo titulado Un modelo de simulacin de la Produccin de quesos madurados[1].
Experimentacin Simulada
Forrester (1961) enuncia una situacin problemtica en la organizacin: el proceso
de aprendizaje organizacional es costoso, ineficiente, por ensayo y error. Luego
propone la correspondiente mejora: experimentar con laboratorios administrativos.
Estos laboratorios, como lo menciona en su libro, tienen como instrumento principal
de experimentacin un modelo simulable en el computador construido mediante la
dinmica de sistemas. La argumentacin de Forrester inicia caracterizando ciertas
67
limitaciones del proceso "natural" de aprendizaje organizacional que ocasionan ineficiencias en el mismo. Como solucin plantea la constitucin de un proceso "artificial", en laboratorio, de aprendizaje organizacional. La DS es la metodologa para el
diseo del laboratorio y de sus instrumentos, y para la experimentacin simulada.
Este proceso "artificial" debe de cierta manera superar algunas de las ineficiencias
de su contraparte "natural" y de este modo debe hacer ms eficiente el aprendizaje
en la organizacin.
A partir de este esquema interpretativo sobre los planteamientos de Forrester, la
pregunta por las razones que hacen a la dinmica de sistemas adecuada para aplicaciones de AO puede ser desagregada en tres grupos de interrogantes particulares:
Cmo sucede el proceso "natural" de aprendizaje organizacional? y Cules son
sus limitaciones?
Cmo sucede el proceso "artificial" de aprendizaje organizacional? y Por qu la
dinmica de sistemas es la metodologa gua para ejercitar este proceso?
De qu manera el proceso "artificial" al ser "implantado" sobre el proceso "natural"
mejora la eficiencia del aprendizaje organizacional?
A continuacin se abordan en este orden cada uno de los interrogantes.
Aprendizaje organizacional "natural"
Sotaquir et al (1996) indican que Forrester caracteriz este proceso natural de
aprendizaje como la constitucin progresiva de una capacidad de juicio como resultado de experiencias de decisin y de accin en situaciones organizacionales. A su
vez, esta capacidad de juicio acta como orientadora de las decisiones y acciones
en situaciones futuras. En consecuencia, el aprendizaje organizacional natural es
un proceso cclico. Cabe recordar que en dinmica de sistemas el concepto de ciclo
de realimentacin es fundamental porque es considerado el elemento estructural
bsico de los sistemas. Finalmente hay que sealar que esta visin del aprendizaje
organizacional, como un solo ciclo de realimentacin, es incompleta, por cuanto no
presenta la manera como se va constituyendo y modificando la capacidad de juicio
para decidir.
Mundos virtuales para el aprendizaje organizacional "artificial"
Con el fin de superar o atenuar esas limitaciones sobre el proceso natural de
aprendizaje organizacional, los investigadores dinmico-sistmicos, como lo seal
Forrester, sugieren un proceso artificial. Este ltimo, como todo proceso de
aprendizaje a la luz de la dinmica de sistemas, tambin est constituido por un
ciclo doble de realimentacin. Pero a diferencia del natural, no se sucede sobre la
cotidianidad de la organizacin sino que ocurre en laboratorio.
Para hacer posible un proceso de aprendizaje organizacional en laboratorio, es necesario disponer de un modelo de la realidad organizacional sobre el cual se pueda
experimentar. Es decir, de manera anloga al aprendizaje natural que sucede en
la organizacin, el aprendizaje artificial ocurre alrededor de un modelo de la organizacin, que se denomina micromundo o mundo virtual.
El aprendizaje artificial en la organizacin es semejante al natural, lo que cambia es el objeto de aprendizaje y accin, ahora es un mundo virtual. No cualquier
modelo de la organizacin sirve como mundo virtual para el aprendizaje en laboratorio. Sobre el mundo virtual debe ser posible experimentar la toma de decisiones
68
y, seguidamente, recibir informacin de realimentacin sobre sus consecuencias. El

mundo virtual debe ser entonces un modelo que simule el comportamiento dinmico de la organizacin ante diferentes alternativas de accin y bajo diferentes escenarios organizacionales y ambientales.
Incrementando la eficiencia del aprendizaje organizacional
Habindose presentado la dinmica de sistemas como una metodologa adecuada
para la creacin del laboratorio para el aprendizaje artificial en la organizacin,
surge una pregunta. Cmo sera un proceso eficiente de aprendizaje en la organizacin? Un aprendizaje organizacional eficiente sera aquel que, en primer lugar,
cumpla con el objetivo principal de hacer explcitos y modificar los modelos mentales individuales y colectivos, lo cual sucede de manera espontnea y espordica en
situaciones naturales; y que, en segundo lugar, permita el cumplimiento del objetivo de una manera ms rpida, mediante la superacin de los obstculos naturales
citados, inherentes a la realidad organizacional. En consecuencia, se deben satisfacer estas dos condiciones para sustentar que el aprendizaje "artificial" acoplado al
proceso natural da como resultado un incremento en la eficiencia del aprendizaje
organizacional.
La segunda condicin implica el vencer las complejidades y limitaciones propias de
la situacin organizacional real que es objeto de aprendizaje. Esta dificultad se hace
patente durante la construccin del modelo y por este motivo el modelo solo puede
ser una representacin simplificada de tal realidad, con mayor razn un modelo en
dinmica de sistemas por cuanto implica lograr una formalizacin matemtica del
fenmeno. Este modelo, el mundo virtual, es el objeto de aprendizaje y experimentacin en el espacio del laboratorio. Sobre el mundo virtual se tiene informacin
perfecta acerca de su estructura, expresada en el modelo en dinmica de sistemas,
y de su comportamiento, debido a la posibilidad de simulacin.
Tema N 4: Ejecucin de pruebas diversas sobre un modelo.

2. Diseo de pruebas.
El modelamiento es un proceso iterativo en la medida en que no hay un proceso
secuencial que lo soporte, por ello los resultados de cada paso pueden llevar a mejorar la comprensin del problema y revisiones de pasos previos, como se indica en
el centro del diagrama que sigue. Cada lnea implica un ir de vuelta desde una etapa a otra, por ejemplo, se va de la etapa 1 a la 2, pero igualmente es posible regresar de la cinco a cualquiera de las dems fases.
Proceso de modelado segn Sterman.
69
Introduccin a la validacin de modelos

En los procesos de toma de decisiones en los que se usan modelos, ya sean formales o mentales, es preciso que stos sean adecuadamente validados dado que es
una eficaz manera de garantizar que el modelo sea una representacin adecuada
de la realidad y que est acorde con el propsito para el cual fue hecho.
Este proceso presupone la pregunta acerca de si realmente importan los supuestos
y especficamente a quin, adems de la consideracin asociada a la documentacin, la cual es frecuentemente ignorada, que debe conducir hacia una adecuada
comprensin, evidenciable sta en la rplica y la crtica, expresadas ya sea por
otros o por el mismo modelador.
Para el desarrollo de esta actividad se cuenta con una amplia gama de pruebas,
que determinan la robustez y las limitaciones del modelo; es un proceso de construir confianza en el modelo. La validacin debe iniciarse desde la primera ecuacin
del modelo velando porque desde un comienzo haya consistencia en las unidades
usadas. Al validar el modelo lo que se pretende es verificar que representa la realidad modelada y no meramente la realizacin de rplicas, no se trata de que se repliquen comportamientos funcionales si no que stos se deriven de la estructura del
modelo.
Es importante asegurarse que cada variable tiene una relacin con la realidad, es
decir, debe ser factible establecer para cada variable, el tringulo de la significacin.
No se debe perder de vista que el hecho de que las variables se clasifican en suaves
y duras. Las variables suaves son aquellas que representan metas, expectativas o
percepciones. Al respecto Forrester (1961) dice omitir tales variables (las suaves) es equivalente a decir que ellas tienen efecto cero, probablemente el nico
valor que se conozca sea equivocado (traduccin libre)[2], pero en todo caso hay
que considerarlas.
El proceso de validacin de un modelo
Un modelo en dinmica de sistemas ha de ser validado tanto en lo que a su estructura como a su comportamiento se refiere, aunque valga decir, finalmente resulta
en que se valida la estructura de forma directa o indirecta.
La validacin de la estructura del modelo consiste en establecer que las relaciones
usadas en un modelo son una representacin adecuada de la realidad o relaciones
reales, y estn acordes con los propsitos del modelamiento. Este tipo de evaluacin puede ser hecha de dos maneras: directa o indirecta.
La prueba de la estructura directa evala la validez de la estructura del modelo
comparndola directamente con el conocimiento cierto acerca de la estructura real
del fenmeno modelado. Esto implica evaluar cada relacin en el modelo mientras
haya conocimiento verificado del sistema modelado. Estas pruebas son cualitativas
por naturaleza, no involucran la simulacin.
La prueba de estructura indirecta o de comportamiento evala la validez de la estructura indirectamente al aplicar ciertas pruebas de comportamiento sobre los patrones de comportamiento generados por el modelo. Por ejemplo, la prueba de las
condiciones extremas implica asignar valores extremos a parmetros seleccionados
y comparar el comportamiento generado por el modelo con el comportamiento esperado o el observado en el sistema real bajo la misma condicin extrema. stas
son pruebas extremas de comportamiento que pueden proporcionar informacin
indirecta sobre las posibles fallas estructurales.
En una prueba tpica de comportamiento orientada a la estructura, el modelador
hace una afirmacin de la forma: "si el sistema funciona bajo la condicin C, entonces dara como resultado el comportamiento (s) B." El modelo se ejecuta bajo la
70
condicin C y se dice que ste pasa la prueba comportamiento orientada a la estructura, si el comportamiento resultante es similar al comportamiento esperado.
Para estos modelos, la validez significa en ltima instancia la validez de la estructura interna del modelo.
Aunque la validacin estructural es crucial, la mayora de la literatura sobre investigacin tcnica sobre la validacin de los modelos se ocupa slo de lo que se conoce
como la validacin del comportamiento. Puede haber dos razones principales por
las que la validacin de la estructura ha sido ignorada tanto tiempo en la literatura
sobre modelos. El primero se deriva de una falta de reconocimiento de la importancia filosfica de la validacin de la estructura en los modelos de caja transparente
(a diferencia de modelos de caja negra). La segunda razn tiene que ver con la
dificultad tcnica para disear formalmente herramientas estadsticas orientadas a
determinar la validez estructural.
Fases en la validacin de un modelo
En el siguiente grfico se muestran las fases, como un proceso iterativo, para lograr
la validacin de un modelo.
Inicia con la construccin del modelo y sus posteriores revisiones a partir de los
fallos en el intento por pasar alguna de las pruebas. Despus se harn las pruebas
de desempeo directo, es decir, las pruebas sobre la estructura del modelo. Si no
pasa la prueba se ha de devolver a la fase uno. La siguiente fase evala la estructura a partir de los comportamientos simulados versus los observados u esperados. Si
hay fallo en esta prueba, se ha de revisar de nuevo el modelo. La cuarta fase se
concentra en validar los resultados del modelo frente a patrones de desempeo. De
nuevo si falla en estas pruebas deber ir a revisin el modelo. Finalmente se comunican los resultados de la validacin a los interesados quienes proceden a su implementacin.
Proceso de validacin de un modelo

3. Ejecucin de pruebas.
El anlisis de sensibilidad tiene como propsito, a partir del diseo de un escenario,
identificar los lugares en los que el sistema es ms sensible, es decir, aquellos lugares en que con poco esfuerzo se logran resultados importantes. Se usara el software Evolucion en el siguiente vinculo: simon.uis.edu.co
71
El anlisis de sensibilidad permite:

Estimar la sensibilidad de los resultados del modelo a cambios de un parmetro, realizando anlisis del tipo que pasa si.
Conocer qu variables de riesgo son importante asociadas al manejo de incertidumbre, por ejemplo, una variable es importante dependiendo de su participacin porcentual en los beneficios o costos y de su rango de valores probables.
Determinar la direccin del cambio en las variables. En el caso de un proyecto
de inversin el anlisis de punto de quiebre permite determinar cunto una
variable puede cambiar hasta que su VAN se vuelva negativo.
Limitaciones del Anlisis de Sensibilidad
Rango y distribucin de probabilidad de variables.
El Anlisis de Sensibilidad tpicamente no representa el posible rango de valores.
El Anlisis de Sensibilidad no representa las probabilidades para cada rango.
Generalmente hay una pequea probabilidad de estar en el extremo.
Direccin de los efectos.
Para la mayora de variables, la direccin es obvia
Conejos aumentan Los zorros aumentan
Las muertes de conejos aumentan La cantidad de conejos baja
Si los lobos aumentan No es tan obvio cuando comienzan a disminuir los conejos
Un anlisis basado en el cambio de una sola variable no es realista porque las variables estn interconectadas.
Si el nmero de conejos aumenta, la cantidad de zorros aumentar.
Si se acabara la comida de los conejos, todos, conejos y zorros se disminuiran.
Siguiendo con el modelo de zorros y conejos se proponen dos escenarios y se realiza el anlisis de sensibilidad con cambios en los parmetros del modelo y se observa el efecto sobre algunas variables del modelo.
Supngase que se tiene el siguiente escenario, en el que se va a modificar la TNC
(tasa natural de nacimiento de conejos sin presencia de depredadores) desde el 20
% al 16 % disminuyendo en cada caso un 1%. Ver la siguiente tabla.
Escenario 1
Variables TMC TNC Conejos TMZ Zorros
Var 1
0,05 0,20
15
0,08
Var 2
0,05 0,19
15
0,08
Var 3
0,05 0,18
15
0,08
Var 4
0,05 0,17
15
0,08
Var 5
0,05 0,16
15
0,08
Este escenario permite ver qu sucede si hay cambios en la tasa de natalidad natural de los conejos, obsrvese que puede ser un parmetro controlable por el modelador mediante algn tipo de medicamento o mediante la disminucin de machos
en la isla.
Para hacer esto en Evolucion 4.1 inicialmente se escoge la opcin nuevo anlisis
de sensibilidad con variacin de parmetros, vea en la siguiente figura el crculo
verde.
72
Anlisis de Sensibilidad
Se selecciona donde indica la estrella verde la opcin de trayectorias y se incluyen

los escenarios, ver la siguiente grfica.
Para el caso que nos ocupa se selecciona el parmetro, ver grfico rojo. Luego se
escoge la variacin, recuerden que variamos de 20% a 16%, la TNC por eso se escoge -0.01, valo verde. Luego se escoge la variable que se quiere observar, es
decir, qu pasa con la cantidad de conejos, cuadrado azul. Luego se selecciona el
nmero de iteraciones, valo marrn y finalmente se da clic en Aceptar, estrella
morada. El resultado es el siguiente.
73
Resultado del Anlisis de Sensibilidad Escenario 1

Obsrvese como una baja en la tasa de natalidad natural provoca oscilaciones en la
cantidad de conejos, parece que hay en el modelo un comportamiento contraintuitivo explicado bsicamente por el efecto ltigo que se produce en el retardo y
posiblemente el efecto amplificador que tiene la no-linealidad.
Se invita al lector para que disee nuevos escenarios de simulacin teniendo en
cuenta qu variable desea observar y bajo qu condiciones. Suponga este nuevo
escenario en que se analiza los cambios en la TMC y su efecto en los zorros.
Escenario 2
Variables TMC TNC Conejos TMZ Zorros
Var 1
0,05 0,2
15
0,08
Var 2
0,04 0,2
15
0,08
Var 3
0,03 0,2
15
0,08
Var 4
0,02 0,2
15
0,08
Var 5
0,01 0,2
15
0,08
Y observar que sucede con el nmero de zorros en el sistema. Debera suceder algo
como lo que se muestra en la siguiente grfica.
74
Resultado del Anlisis de Sensibilidad Escenario 2

El lector deber interpretar las variaciones a partir de las relaciones de las variables
del sistema y dar una explicacin plausible.
TAREA ACADMICA N 1
Implementar en el software de simulacin el modelo propuesto y elegido por el mismo estudiante.
INSTRUCCIONES:
1. Observa el video Implementacin de modelos en Evolucin
4.1
https://www.youtube.com/watch?v=PCLpoen7Ur8
2. En base a los contenidos de los temas 1, 2 y 3, implementa
un modelo de simulacin creado por ti mismo, basado en la
observacin de tu entorno.
Aplicacin de un modelo de simulacin discreta en el sector
del servicio automotor.
Julin Andrs Ceballos Carillos, Javier Da-ro Fernndez Ledesma,
Eyder Daniel Res-trepo Nez Universidad Pontificia Bolivariana
Colombia.
https://revistas.upb.edu.co/index.php/industrial/article/download
/2308/2058
Lee atentamente la lectura, rene la informacin obtenida en un
organizador de conocimiento.
75
Tema N 1: Gestin de mdulos.

1.
Complejidad de los modelos.
La complejidad dinmica se presenta porque los sistemas son:

Dinmicos. Herclito dijo "Todo cambia". Lo que parece ser inmutable, cambiar al ser visto en un horizonte de tiempo mayor. EL cambio en los sistemas ocurren en escalas de tiempo diferentes y esas escalas a veces interactan. Una estrella evoluciona a lo largo de millardos de aos a medida que consume el hidrgeno, entonces explotar como una supernova en segundos. Las subidas de los
mercados de valores pueden mantenerse a los largo de aos, para derrumbarse
en cosa de horas."
El caso de las empresas puntocom en las Bolsas es representativo. Los economistas lo denominaban la burbuja. El precio de las acciones de muchas empresas de Internet suba, y suba. Los inversionistas estaban dispuestos a colocar su
dinero en ellas. Hasta que la burbuja estall.
Estrechamente acoplados. Los actores en el sistema interactan fuertemente
entre s y con el mundo natural. Todo est conectado a todo lo dems.
Gobernados por la realimentacin. A causa de acoplamiento estrecho entre
los actores del sistema, nuestras acciones nos afectan. Nuestras decisiones alteran el estado del mundo, provocando cambios en la naturaleza y disparando la
actuacin de otros causando una nueva situacin la cual influenciar nuestras
prximas decisiones. La dinmica se deriva de esas realimentaciones.
Nolineales. El efecto es raramente proporcional a la causa, y lo que ocurre localmente en un sistema (cerca del lugar de los acontecimientos actuales) usualmente no se aplica en las regiones distantes (otros estados del sistema). La nolinealidad usualmente se presenta a partir de los elementos fsicos bsicos de los
sistemas: Un inventario insuficiente puede causar que usted eleve la produccin,
pero la produccin no caer por debajo de cero, independientemente de cuanto
inventario en exceso tenga usted. La nolinealidad tambin se presenta cuando
mltiples factores interactan en la toma de decisiones: La presin de los jefes
por mayores logros incrementan su motivacin y esfuerzo hasta el punto cuando
percibe que la meta es imposible. La frustracin entonces domina a la motivacin y se rinde o se busca un nuevo jefe.
Histrico-dependientes: Tomar un camino usualmente supone tomar algunos
otros y determina a que lugar llega usted (dependencia de camino). Muchas acciones son irreversibles: usted no puede "des revolver" unos huevos fritos. Los
flujos, acumulaciones y demoras prolongadas usualmente significan que hacer y
deshacer tienen constantes de tiempo diferentes: Durante los 50 aos la carrera
armamentista de la Guerra Fra las naciones con potencial nuclear generaron
ms de 250 toneladas de plutonio blico (Pu 239). El Pu 239 tiene una vida media cercana a los 24.000.
Se organizan a s mismos: La dinmica de los sistemas se presenta espontneamente a partir de su estructura interna. Usualmente, pequeas perturbaciones aleatorias son amplificadas y moldeadas por la estructura de realimentacin
generando patrones en el espacio y el tiempo y creando un camino de dependencia. El patrn de las rayas de las cebras, la rtmica contraccin del corazn,
los ciclos persistentes en el mercado de bienes races, y estructuras tales como
76
las conchas marinas y los mercados todas emergen espontneamente de la realimentacin entre los agentes y elementos del sistema.
Adaptativos: Las capacidades y las reglas de decisin de los agentes en los sistemas complejos cambian en el tiempo. La evolucin lleva a la seleccin y proliferacin de algunos agentes mientras otros se extinguen. La adaptacin ocurre
tambin cuando la gente aprende de la experiencia, especialmente cuando ellos
aprenden la manera de alcanzar nuevos logros encarando los obstculos. Sin
embargo, el aprendizaje no siempre beneficia.
Contraintuitivos: En los sistemas complejos las causas y los efectos estn distantes en el tiempo y en el espacio, mientras que nosotros buscamos las causas
inmediatas que nos expliquen los eventos. Nuestra atencin se dirige a los sntomas de la dificultad en lugar de indagar en la causa subyacente. Las polticas
de alto apalancamiento usualmente no son obvias.
Resistentes a las polticas: La complejidad de los sistemas en los cuales estamos involucrados supera nuestra habilidad para comprenderlos. Resultado:
Muchas soluciones a los problemas, aparentemente obvias, simplemente fallan o
realmente empeoran la situacin.
Caracterizados por la negociacin: Las demoras de tiempo en los canales de
realimentacin significan que la respuesta a largo plazo del sistema a una intervencin es usualmente diferente de su respuesta a corto plazo. Las polticas de
alto apalancamiento usualmente causan un empeoramiento de la conducta antes
de que esta mejore, mientras que las polticas de bajo apalancamiento generalmente producen un mejoramiento transitorio antes de que el problema se haga
mayor".
Tema N 2: Diseo de mdulos.

1.
Criterios de seleccin de componentes.
Los sistemas complejos se caracterizan fundamentalmente porque su comportamiento es imprevisible (que no debe confundirse con aleatorio). Sin embargo,
complejidad no es sinnimo de complicacin. El trmino complejidad hace referencia a algo enmaraado, enredado, de difcil comprensin. En realidad, y por el
momento, no existe una definicin precisa y absolutamente aceptada de lo que
es un sistema complejo, pero pueden darse algunas peculiaridades comunes.
En primer lugar, est compuesto por una gran cantidad de elementos relativamente idnticos. Por ejemplo, el nmero de clulas en un organismo, o la cantidad de personas en una sociedad.
En segundo lugar, la interaccin entre sus elementos es local y origina un

comportamiento emergente que no puede explicarse a partir de dichos elementos tomados aisladamente. Un desierto puede contener billones de granos de
arena, pero sus interacciones son excesivamente simples comparadas con las
que se verifican en las abejas de un enjambre.
Por ltimo, es muy difcil predecir su evolucin dinmica futura; es decir, es

prcticamente imposible vaticinar lo que ocurrir ms all de un cierto horizonte
temporal.
En la naturaleza se pueden encontrar una gran cantidad de ejemplos de sistemas
complejos que se extienden desde la fsica hasta la neurologa, desde la economa hasta la biologa molecular, desde la sociologa hasta las matemticas. Por
77
ese motivo, esta clase de sistemas no constituye un caso raro ni excepcional sino
que se manifiesta en la inmensa mayora de los fenmenos que se observan a
diario. Sin embargo, y a pesar de su gran diversidad y abundancia, se pueden
identificar conductas dinmicas genricas, no importa su naturaleza (fsica, qumica, biolgica o social); entre ellas, las leyes de crecimiento, la autoorganizacin y los procesos colectivos emergentes. Como ejemplos de sistemas complejos se pueden mencionar -entre otros- una clula, un cerebro, un organismo,
una computadora, un ecosistema, una sociedad de insectos, un sistema inmunolgico o una economa de mercado.
La mayora de los sistemas complejos son inestables, se mantienen delicadamente equilibrados. Cualquier variacin mnima entre sus elementos componentes puede modificar, de forma imprevisible, las interrelaciones y, por lo tanto, el
comportamiento de todo el sistema. As, la evolucin de esta clase de sistemas
se caracteriza por la fluctuacin, situacin en la que el orden y el desorden se alternan constantemente. Sus estados evolutivos no transcurren a travs de procesos continuos y graduales, sino que suceden por medio de reorganizaciones y
saltos. Cada nuevo estado es slo una transicin, un perodo de "reposo entrpico", en palabras del Premio Nobel ruso-belga Ilya Prigogine .
Estos sistemas nunca llegan a un ptimo global, al estado de mnima energa. En
general, crecen progresivamente hasta que llegan al lmite de su desarrollo potencial. En ese instante, sufren un desorden, una especie de ruptura que induce
una fragmentacin del orden pre-existente. Pero despus, comienzan a surgir
regularidades que organizan al sistema de acuerdo con nuevas leyes, produciendo otra clase de desarrollo. Este comportamiento es tpico en los sistemas naturales: por ejemplo, el trnsito, en los insectos, del huevo a la larva y de sta a la
crislida. En consecuencia, la organizacin de los sistemas complejos se da en
diferentes niveles. Las leyes que gobiernan la causalidad de un nivel, pueden ser
totalmente diferentes a las de un nivel superior.
Auto-organizacin
El orden y el desorden se necesitan el uno al otro, se producen mutuamente;
son conceptos antagnicos, pero, al mismo tiempo, complementarios. En ciertos
casos, un poco de desorden posibilita un orden diferente y, a veces, ms rico.
As, por ejemplo, un organismo puede seguir viviendo a causa de la muerte de
sus clulas; o una organizacin se perpeta gracias a la desvinculacin de sus
miembros. La variacin y el cambio son etapas inevitables e ineludibles por las
cuales debe transitar todo sistema complejo para crecer y desarrollarse. Cuando
esta transformacin se consigue sin que intervengan factores externos al sistema, se denomina "auto-organizacin.
La auto-organizacin se erige como parte esencial de cualquier sistema complejo. Es la forma a travs de la cual el sistema recupera el equilibrio, modificndose y adaptndose al entorno que lo rodea y contiene. En esta clase de fenmenos es fundamental la idea de niveles. Las interrelaciones entre los elementos de
un nivel originan nuevos tipos de elementos en otro nivel, que se pueden comportar de una manera muy diferente. Por ejemplo, las molculas frente a las
macromolculas, las macromolculas frente a las clulas y las clulas frente a los
tejidos. De este modo, el sistema auto-organizado se va construyendo como resultado de un orden incremental espacio-temporal que se crea en diferentes niveles, por estratos, uno por encima del otro.
78
Los sistemas autoorganizados se mantienen dentro del estrecho dominio que oscila entre el orden inmutable y el desorden total, entre la constancia rgida y la
turbulencia anrquica. Una condicin muy especial, con suficiente orden para
poder desarrollar procesos y evitar la extincin pero con una cierta dosis de desorden como para ser capaz de adaptarse a situaciones novedosas y evolucionar.
Estos cambios repentinos son lo que se conocen como transiciones de fase, o
como lo llama Christopher Langton : el borde del caos. Es en esta delgada franja
en donde se ubican los fenmenos que edifican la vida y las sociedades.
Por ltimo, se puede aclarar que, aunque por el momento no es posible analizar
matemticamente la evolucin de muchos de estos sistemas, se los puede explorar travs de medios computacionales. Esto se debe a que, desde el punto de
vista computacional, son sistemas irreducibles; es decir, la nica forma de estudiar su evolucin es mediante la observacin directa. Para su estudio, en consecuencia, se emplean sistemas computacionales en donde se simulan sus componentes, sus conexiones y sus interacciones, y se observa la dinmica emergente.
Sistemas caticos
Durante el siglo pasado, los cientficos clasificaban a los sistemas segn su grado
de predictibilidad. As, un sistema es determinista cuando su comportamiento
inmediato es predecible, determinado, y es probabilstico (estocstico) cuando
no hay certeza de su estado futuro, pero s una probabilidad en su comportamiento. No obstante, esta clasificacin ha sufrido severos embates durante el ltimo medio siglo. Por ejemplo, se descubri que muchos sistemas dinmicos no
lineales se comportan -en ciertas condiciones- de forma tan compleja que parecen probabilsticos, aunque, en realidad, son deterministas. En otras palabras, a
pesar de que las reglas -a nivel local- son muy simples, el sistema -a nivel global- puede tener un comportamiento inesperado, no predecible. Se trata de un
sistema catico.
Una de las singularidades que caracterizan a los sistemas caticos es que dependen sensiblemente de las condiciones iniciales. Un insignificante cambio en
las condiciones de partida se amplifica y propaga exponencialmente a lo largo
del sistema y es capaz de desencadenar -en el futuro- un comportamiento totalmente diferente. Es decir, configuraciones iniciales casi idnticas, sometidas a
influencias externas casi iguales, acaban transformndose en configuraciones finales absolutamente distintas. Y es este el motivo por el cual es prcticamente
imposible hacer una prediccin del estado final de estos sistemas complejos.
Sin embargo, el caos no es ms que un desorden solamente en apariencia, tiene
muy poco que ver con el azar. Aunque parecen evolucionar de forma aleatoria y
errtica, estos sistemas tienen en realidad un orden interno subyacente. Por eso,
aun cuando son impredecibles, tambin son deterministas. Lo que significa que
su estado futuro est determinado por su estado actual y obedece estrictas leyes
naturales de evolucin dinmica. Pero estos sistemas son tan irregulares que
jams repiten su comportamiento pasado, ni siquiera de manera aproximada.
Por ejemplo, y an cuando se conozcan con gran precisin las ecuaciones meteorolgicas y se puedan medir las variables crticas (temperatura, humedad,
presin, masa y velocidad del viento), es muy difcil predecir con exactitud las
variaciones climticas ms all de un cierto tiempo posterior. Otros sistemas
caticos lo constituyen los fluidos en rgimen turbulento, la dinmica de la atmsfera, las reacciones qumicas, la propagacin de enfermedades infecciosas,
79
los procesos metablicos de las clulas, el mercado financiero mundial, los movimientos de grupos animales, la aparicin aperidica de epidemias, la arritmia
del corazn, la red neuronal del cerebro humano, etc.
El caos parece formar parte de la estructura misma de la materia y est muy ligado a los fenmenos de auto-organizacin, ya que el sistema puede saltar espontnea y recurrentemente desde un estado hacia otro de mayor complejidad y
organizacin. Un ejemplo tpico es el agua que se desliza a travs de una canilla
en un goteo desordenado y, sbitamente, forma un chorro ordenado. Estos sistemas se caracterizan por su flexibilidad y adaptacin (y, en consecuencia, por
su estabilidad), lo cual les permite enfrentar las condiciones cambiantes e impredecibles del entorno. Operan bajo una extensa gama de condiciones, ya que
parecen estar formados por una compleja estructura de muchos estados ordenados, aunque normalmente ninguno de ellos se impone sobre los dems (a diferencia de un sistema ordenado, que presenta un nico comportamiento). Por lo
tanto, se puede controlar su evolucin con nfimas correcciones, a fin de forzar la
repeticin de ciertas trayectorias. En otras palabras, si se los perturba adecuadamente, se les puede obligar a que tomen uno de los muchos posibles comportamientos ordenados.
Fractales y naturaleza
La teora del caos estudia la evolucin dinmica de ciertas magnitudes. Al representar geomtricamente el conjunto de sus soluciones, aparecen modelos o patrones que los caracterizan. Existe un comportamiento catico cuando dichos
modelos -a lo largo de extensos perodos de tiempo- oscilan de forma irregular,
aperidica; parecen girar asintticamente en las inmediaciones de ciertos valores, como si describieran rbitas alrededor de ellos. Estos valores se conocen
con el nombre de atractores caticos,atractores extraos o, simplemente, atractores (debido a que parecen atraer las soluciones hacia ellos) y su particularidad
es que presentan propiedades fractales.
Un fractal es una estructura geomtrica que tiene dos caractersticas principales:
la auto-semejanza y la dimensin fraccionaria.
La auto-semejanza significa que posee estructura similar en diferentes escalas en que se la observa; es decir, a travs de sucesivas amplificaciones (diferentes cambios de escala) se repite su forma fundamental (conserva el mismo
aspecto).
La dimensin fraccionaria mide el grado de irregularidad o de fragmentacin

de un objeto: una dimensin entre 1 y 2 significa que se comparten las propiedades de una recta y de un plano. No obstante, la dimensin fractal no tiene el
mismo significado que las dimensiones del tradicional espacio euclidiano: fractales con dimensiones enteras (1 y 2), no se parecen en nada a una lnea o a un
plano, respectivamente.
En general, las formas encontradas en la naturaleza son ejemplos de fractales:
vasos sanguneos y sus capilares, rboles, vegetales, nubes, montaas, grietas
tectnicas, franjas costeras, cauces de ros, turbulencias de las aguas, copos de
nieve, y una gran cantidad de otros objetos difciles de describir por la geometra
convencional. Como se puede apreciar, se trata de formas en perpetuo crecimiento. Por eso, cuando se observa una imagen o una fotografa de un fractal,
se lo est viendo en un determinado instante de tiempo, congelado en una etapa
precisa de su desarrollo. Y es justamente este concepto de proceso natural de
crecimiento o de desarrollo lo que vincula a los fractales con la naturaleza.
80
Una estructura fractal se puede conseguir por la repeticin infinita de un proceso

bien especificado (por lo que est gobernado por reglas deterministas). As, la
naturaleza es capaz de crear eficazmente infinidad de formas -con diferentes
grados de complejidad- nicamente reiterando innumerablemente el mismo proceso. E nfimas modificaciones en las condiciones iniciales o en los parmetros de
ese proceso pueden provocar imprevisibles cambios finales. Es por eso que la
mayora de los procesos caticos originan estructuras fractales. Y es por eso,
tambin, que muchos fenmenos naturales aparentan tener una enorme complejidad, aunque -en realidad- poseen la misma regularidad geomtrica (concepto
de auto-semejanza). Slo as se explica que existan 6.000 millones de seres
humanos diferentes, a pesar de que el proceso de gestacin sea idntico, y que
una mnima diferencia en el cdigo gentico de chimpancs y humanos haya engendrado especies tan distintas. Este proceso tambin puede esclarecer, en buena medida, cmo la escasa informacin contenida en una clula germinal es capaz de originar seres tan increblemente complejos.
El desarrollo de un sistema se verifica al pasar de un estado ms general y homogneo (indiferenciado) a otro ms especial y heterogneo (diferenciado). Esta
transicin se da gracias a la especializacin" y a la "divisin del trabajo": progresivamente algunos elementos se encargan de acciones especficas, al tiempo
que se observa una subordinacin a elementos dominantes (llamadas, a veces,
"partes conductoras"). De esta forma, se instala en el sistema un "orden jerrquico" de partes o procesos. Este principio de diferenciacin es muy frecuente
tanto en biologa como en psicologa y, aun, en sociologa. En el desarrollo embrionario, por ejemplo, las clulas se van agrupando y subordinando a los llamados "organizadores". En el cerebro tambin se comprueba una superposicin de
"estratos neuronales" que adoptan el papel de partes conductoras. Algo similar
ocurre en el comportamiento social: para poder diferenciarse, un conjunto de
personas debe agruparse alrededor de uno o varios grupos.
Elaborar un modelo de simulacin modularizado y organizado.
INSTRUCCIONES:
1. Observa los videos
a. Sistemas complejos
https://www.youtube.com/watch?v=0pBmzMpcHOg
b. Estructuras genricas
https://www.youtube.com/watch?v=7EsFf_0EUQk
2. En base a los contenidos de los temas 3 y 4, implementa en el
software de simulacin un modelo organizado y modularizado.
81
Carcter interdisciplinario de la modelacin computacional en
la solucin de problemas de salud.
Raide Alfonso Gonzlez Carbonell, Elsa Npoles Padrn, Bernardo
Caldern Prez, Yosbel Cisneros Hidalgo, Matilde Landn Sor Universidad de Camagey Ignacio Agramonte y Loynaz Cuba.
http://scieloprueba.sld.cu/scielo.php?script=sci_pdf&pid=S172781202014000300006&lng=es&nrm=iso&tlng=es
Lee atentamente la lectura y observa los videos incrustados, rene
la informacin obtenida en un organizador de conocimiento.
AUTOEVALUACION No 2
1. En qu consiste la prueba de los lmites del sistema?
2. Para qu se realiza la prueba de la estructura del sistema?
3. Cmo se aplica la evaluacin de parmetros?
4. Cul es el sentido de aplicar una prueba extrema?
5.
La prueba de reproduccin del comportamiento qu permite?
82
UNIDAD III: INTERACCIN DEL MODELO Y SU ENTORNO.

DIAGRAMA DE PRESENTACIN DE LA UNIDAD III
CONTENIDO
ACTIVIDAD
FORMATIVA
SISTEMA DE
EVALUACIN

simulacin un modelo conectado con un origen de datos, para
la introduccin y exportacin de datos.
CONTENIDOS
Tema N 1: Importacin y exportacin de
datos en archivos de
bases de datos.
1.
Preparacin del
repositorio.
2.
El proceso de importacin.
3.
El proceso de exportacin.
Tema N 2: Creacin
de la interfaz de interaccin de los modelos
y el usuario final.
1.
Necesidad del uso
de un modelo.
Tema N 3: Diseo y
creacin de la Interfaz
grfica de usuario.
1. Criterios de diseo.
2. Organizacin de la
interfaz.
Comprender la importancia de conectar el

modelo con orgenes de
datos.
Realizar la conexin de
un modelo con un origen
de datos para su posterior anlisis y discusin.
Analizar la necesidad de
una GUI para los modelos.
Presentar del origen de
datos del mo-delo a trabajar, incluyendo los datos de entrada y salida.
Analizar los componentes que necesita para
poder disear una GUI
en un modelo.
Organizar
la
interfaz
usando
componentes
grficos
Elaborar el diseo de la
interfaz de su modelo de
simulacin.
evaluar
individual.

83

otro.
RECURSOS:
Videos:
Tema N 1
Importacin y exportacin de datos en archivos de bases de datos.
https://www.youtube.com/watch?v=BSCYR8H5mVE&spfreload=10
Tema N 2
Creacin de la interfaz de interaccin de los modelos y el usuario final.
https://www.youtube.com/watch?v=-rgqF2uTiwM
Tema N 3
Diseo y creacin de la Interfaz grfica de usuario.
https://www.youtube.com/watch?v=sn3jlc5Td8c
Plataforma de simulacin y visualizacin para el apoyo al anlisis y toma de decisiones en proyectos de movilidad urbana.
Tomado de http://www.scielo.org.co/pdf/ring/n29/n29a7.pdf
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y reas de Desarrollo.
Tomado de : http://www.scielo.cl/pdf/infotec/v18n1/art18.pdf.
Instrumento
de evaluacin
Bibliografa
(Bsica y
Complementaria)
BASICA
COMPLEMENTARIA
84
Tema N 1: Importacin y exportacin de datos en archivos de

bases de datos.
1.
Preparacin del repositorio.
Recoleccin de datos y definicin del modelo.

La informacin y datos deben ser recolectados del sistema de inters (si existe)
para ser usados en la determinacin de aspectos operativos y de las distribuciones
de las variables aleatorias usadas en el modelo. La construccin del modelo aun es
en buena medida arte. Se debe comenzar con un modelo sencillo que pueda ser
refinado de ser necesario.
Recoleccin y procesamiento de la informacin.
Por ejemplo para un banco, se puede recolectar la informacin puntual, mediante
algn mtodo de recoleccin se necesita capturar los siguientes datos.
-
Nmero de llegadas por unidad de tiempo a diferentes horarios.

Tiempos entre llegadas en diferentes horarios.
Operaciones que se realizan en el banco.
Frecuencia de los servicios requeridos por el usuario.
Comportamiento del usuario en las lneas de espera.
Procesar la informacin capturada, en forma de tablas, grficas, etc. a travs de

algn paquete computacional.
Recoleccin y procesamiento de la informacin, consistir en:
RECOLECCIN: Es el proceso de capturar los datos disponibles que se requieren para la simulacin del comportamiento del sistema.
PROCESAMIENTO: Se comprenden las actividades requeridas para transformar los datos en informacin.
Por ejemplo, un directorio telefnico es un banco de datos: mi direccin y telfono
es informacin que procede de ese banco de datos el hecho de que estos datos estn arreglados en cierta forma (procesados y forma alfabtica), permite el acceso a
la informacin deseada de una manera sencilla.
La formulacin es necesaria para poder simular un sistema. La informacin debe
ser: oportuna relevante y confiable.
Las fuentes para generar informacin, son:
1.- Las series histricas o de tiempo: son datos tiles y de rpido procesamiento
para convertirlos en informacin.
2.- La opinin de expertos: Es informacin subjetiva, carente de detalle y de utilidad mnima, econmica y rpida de obtener cierto tipo de informacin complementaria.
3.- Los estudios de campo: son el mtodo mas efectivo, aunque ms costoso y tardado, de obtener informacin requerida. Se requiere el diseo de una muestra estadstica representativa del universo bajo estudio; de un cuestionario que asegure
la relevancia y confiabilidad de un cuestionario y que asegure la relevancia y confiabilidad de los mismos y de personal entrenado que aplique la encuesta. La informacin capturada se mete a la computadora a travs de algn paquete y se edita.
85
Por ejemplo, bajo estos criterios, se han desarrollado tcnicas que hoy da se usan
ampliamente en las empresas, integrando datos, simulacin y negocios, una de
ellas es el aprendizaje automtico.
El aprendizaje automtico (del ingls Machine Learning) es una seccin o rama de
la inteligencia artificial y consiste en el diseo y construccin de aplicaciones o sistemas (algortmicos) que son capaces de aprender con base en entradas/salidas de
datos informticos.
Una de las principales caractersticas es que se aprende por la experiencia de los
datos, lo cual es importante para tomar decisiones en las grandes organizaciones.
El aprendizaje automtico incorpora otras disciplinas como lo analtico con el anlisis predictivo y la minera de datos, para el reconocimiento de patrones. Hay una
variedad de algoritmos que se utilizan para tal propsito en las grandes empresas y
en las reas de TI. Estas tcnicas han evolucionado, pero no son nuevas, en los
aos 50 autores como Tom M. Mitchell, Arthur Samuel y Alan Turing empezaron a
coquetear con estas tcnicas.
La triplicacin de los datos actualmente ha hecho que tenga una gran importancia
el aprendizaje automtico relacionado con el Big Data, al igual que est vinculado a
modelos de prediccin, simulacin y optimizacin. Este tipo de modelos son relevantes con algoritmos genticos, aprendizaje similar, aprendizaje representacional,
aprendizaje basado en rboles de decisin, aprendizaje en reglas de decisin, programacin de lgica inductiva, en redes bayesianas, etc.
El aprendizaje automtico en el mundo empresarial
Muchas empresas estn dando un paso ms all de la inteligencia empresarial (Business Intelligence) al integrar Machine Learning a sus procesos de produccin, tanto para maximizar los ingresos y beneficios y tambin para optimizar procesos,
dndoles mayor eficacia.
El reto de las empresas es poder tener analticas de datos y patrones de reconocimiento, para conseguir esto deben tener en cuenta:
Mejorar las capacidades de anlisis de negocio existentes con minera de datos y anlisis productivo, como tcnicas para abordar los problemas complejos y de decisin de una empresa.
Mejorar el nivel de apoyo para la toma de decisiones, proporcionando un
aumento de las capacidades del sistema para el descubrimiento y anlisis de
datos, tales como la deteccin de patrones y, de esta forma, reforzar el conocimiento mediante la identificacin de correlaciones.
Ante este nivel, se debe impulsar la incorporacin de capacidades de deteccin temprana dentro del sistema de Business Intelligence, para detectar
tendencias y patrones de conducta a corto plazo.
Una de las aplicaciones ms importantes del aprendizaje automtico es optimizar la

adquisicin de las bases de conocimiento al interior de las organizaciones, a travs
de los denominados sistemas expertos. Estos sistemas pretenden emular el proceso
de toma de decisiones de la experiencia humana en un determinado campo.
Segn Jorge Garca hay que situarlo en el contexto de Business Intelligence (BI) y
la analtica de los grandes datos (Big Data).
Los principales enfoques de la educacin automtica incluyen el uso de las redes
neuronales, el aprendizaje basado en casos, los algoritmos genticos, reglas de
86
induccin, y el aprendizaje analtico. Mientras que en el pasado se aplicaron de

forma independiente, en los ltimos tiempos estos paradigmas o modelos se estn
utilizando de manera hbrida, el cierre de las fronteras entre ellos permiten el desarrollo de modelos ms eficaces. La combinacin de mtodos analticos puede garantizar resultados concretos, repetibles y confiables, como componente necesario de
uso prctico en las principales soluciones empresariales e industriales.
Las estructuras de datos en el mundo de los exabytes est por descubrir. Analizar
el streaming analtico de datos en tiempo y con capacidad de escalada y de procesado en paralelo es un verdadero desafo. La toma de decisiones en el tiempo contemporneo cada vez es ms gil.
Los objetos inteligentes, o el Internet de las cosas, se adaptan a los modelos de
transmisin y recoleccin de datos. Los sensores empiezan a aprender de su entorno para generar mejores resultados y adaptabilidad. Esos algoritmos que se
desarrollan por medio de las tcnicas de Machine Learning darn mayor eficiencia y
optimizacin en las grandes empresas una oportunidad para que la comunicacin
entre objetos no se d de manera mecnica y rutinaria.
2.
El proceso de importacin.
Los paradigmas de investigacin exponen la perspectiva o visin global que se tiene

de algo. Visto as, un paradigma es el marco de referencia que emplea el investigador en sus estudios, encerrando, entre otras cosas, sus creencias y sus posturas
ideolgicas. Bsicamente un paradigma representa las coordenadas dentro de las
cuales se mueve un investigador.
En Sistemas de Informacin se han usado varios paradigmas, aunque tres son los
ms relevantes y utilizados a la fecha:
Paradigma positivista,
Paradigma interpretativo, y
Paradigma crtico.
Cabe destacar que otros autores incluyen axiologa y retrica entre los paradigmas
positivista e interpretativo. Pero dada su importancia, los tres paradigmas destacados se comparan en la siguiente Tabla.
87
Otros paradigmas que aparecen dentro de la disciplina de la simulacin.

Otros paradigmas mencionados en la disciplina de la simulacin a lo largo de su
historia son:
El Paradigma Pospositivista rechaza la idea que un individuo puede ver el

mundo perfectamente tal como es, por cuanto la realidad es compleja, mltiple e interactiva y, porque el razonamiento cientfico y el razonamiento del
sentido comn son procesos similares. Es un realismo crtico donde la realidad es aprendida de forma imperfecta y probabilstica. Se asume que los observadores estn sesgados y todas las observaciones son subjetivas. La objetividad slo puede ser posible triangulando, con lo cual la objetividad es un
producto y un fenmeno social. En Sistemas de Informacin ha tenido importancia, aunque en realidad los estudios que le citan mezclan aspectos positivistas con interpretativos.
El Paradigma Antipositivista, donde las realidades cientfica y social son interpretadas por medios no empricos y la investigacin est sujeta a las subjetividades del investigador. En Sistemas de Informacin solamente aparece
citado en los primeros aos de disciplina de la simulacin , cuando se buscaba alejarse del positivismo como medio de conocer y comprender la realidad.
El Paradigma Constructivista considera que cada persona construye una visin de mundo basndose en sus percepciones y en su evolucin. Es un relativismo de realidades locales y especficas. Si bien en la IC este paradigma
adquiere gran importancia en los ltimos aos, su presencia no es clara en
Sistemas de Informacin, salvo en contados estudios donde se menciona la
idea de construccin social de procesos de desarrollo de sistemas. No obstante, como paradigma en Sistemas de Informacin no es explcito.
88
Los siguientes paradigmas aparecen citados brevemente en algunos estudios, sin

mayor presencia dentro la disciplina de la simulacin . Solamente el Paradigma
Marxista podra destacarse, al aparecer citado dentro de estudios crticos, aunque
ms bien como un marco de referencia.
El Paradigma Objetivista plantea que la realidad es lo que all hay y se ve,

como una realidad dada la cual debe conocerse de forma directa por observacin del investigador.
El Paradigma Subjetivista considera que cada persona tiene experiencias
privadas, las cuales son la base del conocimiento de la realidad. La realidad
es lo que cada uno ve.
El Paradigma Feminista puede ser comprendido de mejor forma si se revisa
el Paradigma Crtico, con la particularidad que en este caso se trata de una
dominacin por parte del hombre en cuanto gnero.
El Paradigma Marxista observa la dominacin por medio de los medios de
produccin.
Paradigma Positivista
El Paradigma Positivista se caracteriza por medir y encontrar leyes, recurriendo a la
prueba y a la validacin con el objetivo de obtener y/o probar teoras. En este proceso se hacen uso de proposiciones formales, mediciones cuantitativas, e inferencias, bajo una visin emprica, reduccionista, mecanicista, analtica y causal.
Los estudios positivistas asumen que la realidad es objetiva, buscndose las leyes
causales y fundamentales que les rigen, mediante un proceso de validacin que
considera criterios de validez externa, validez interna, objetividad y confiabilidad:
Validez interna: busca garantizar un isomorfismo de los hallazgos con la

realidad.
Validez externa: busca la generabilidad.
Confiabilidad: busca la replicabilidad del proceso.
Objetividad: busca garantizar neutralidad del investigador.
Este paradigma define la investigacin, y en particular para Sistemas de Informacin, como un monismo donde los investigadores o son ortodoxos de modelos de
ciencia (mainstream navigators), o son defensores o dueos de paradigmas (unity
advocates o Defensores de la unidad).
En Sistemas de Informacin, el positivismo es el paradigma ms utilizado en la investigacin en Sistemas de Informacin, alcanzando a ocupar un 97 % de los estudios analizados.
Con este paradigma en Sistemas de Informacin se han formado las bases para el
conocimiento generalizable, a menudo representado en modelos matemticos, que
pueden predecir patrones de comportamiento, independiente del contexto y el
tiempo.
Paradigma Interpretativo
En el Paradigma Interpretativo se considera que:
se busca sencillamente comprender la realidad;
89
el conocimiento de la realidad se logra siguiendo las construcciones sociales

como el lenguaje, la conciencia, los significados compartidos, documentos,
herramientas y otros artefactos (Myers, 1997, p. 4);
hay inters en la emergencia de una situacin donde hay personas, y en ver
cmo las personas conceden significados a las cosas; y,
es una visin perceptiva, emergente, holstica, interaccional y teleolgica.
El trabajo interpretativo se rige por los siguientes criterios de validez credibilidad,

transferibilidad, dependencia y confirmabilidad:
Credibilidad: busca que los resultados surjan de marcos tericos derivados

directamente de las situaciones en estudio y que las representaciones tericas se construyan y representen la realidad de los sujetos estudiados.
Transferibilidad: busca aplicar o extender los resultados del caso particular a
otras situaciones o casos.
Dependencia: busca que el proceso sea transparente, documentable, auditable y escrutable.
Confirmabilidad: busca que los resultados se basen en datos fiables y coherentes, sustantivos y tericos, fcilmente accesibles.
Estos criterios producen visiones nicas en los observadores.

Este paradigma define al investigador, y en particular en Sistemas de Informacin,
como un knight of change caballero del cambio- (al otro extremo de los
mainstream navigators y cerca de los unity advocates). En este caso, el investigador alterna objetivos, mtodos, teoras o filosofas de la ciencia, todo lo que sea
necesario en una investigacin en Sistemas de Informacin, para enfrentar la naturaleza diversa y heterognea de la realidad, y que debe ser estudiada con todos los
recursos disponibles.
En el paradigma Interpretativo los sistemas se perciben como construcciones sociales. Por este motivo, la investigacin se enfoca comprender la percepcin que las
personas comparten sobre los sistemas, y en cmo surgen y son sos-tenidos los
significados de los sistemas que las personas usan.
En particular, el Paradigma Interpretativo construye un modelo que describe un
sistemas, y como parte del medio ambiente la organizacin que le contiene o contendr. De esta manera se ha buscado comprender el contexto de los sistemas, y el
proceso por el cual ste influencia y es influenciado por aqul.
En este sentido, estudios interpretativos se han usado en la comprensin de fenmenos de uso y desarrollo de sistemas, y planteamiento de modelos para anlisis
de problemas de sistemas.
Paradigma Crtico
El Paradigma Crtico se caracteriza por:
basarse en los trabajos de la Escuela de Frankfurt, lo cual significa que se

estudia principalmente la comunicacin teniendo como doctrina la Teora de
Comunicacin de Habermas ;
usar la Teora Crtica como base epistemolgica, con lo cual se busca la
emancipacin de los individuos frente a las condiciones que les oprimen;
hacer de la accin frente a la alienacin algo importante dentro de una actitud de cuestionamiento frente al mundo; y,
90
se asume que las personas pueden cambiar o emanciparse de sus condiciones sociales y econmicas, dentro de dominaciones, entre otras, polticas,
culturales y sociales.
El conocimiento que se adquiere con este paradigma permite a investigadores y

desarrolladores (Klein y Hirschheim, 1993) llevar adelante acciones tendientes a
eliminar los conflictos de comunicacin, y a facilitar el desarrollo y posterior uso de
los sistemas. En este caso, la visin crtica implica una accin, un compromiso de
cambio por parte del investigador con aquellos a los que investiga.
En el contexto de los tres paradigmas aqu presentados, el Paradigma Crtico, puede decirse, es transversal, por cuanto provee una perspectiva que se complementa
con una postura ya sea positivista y/o interpretativa.
El paradigma Crtico se ha usado en Sistemas de Informacin para acceder y conocer conflictos de dominacin a travs de la comunicacin en grupos de trabajo, ya
sea en situaciones de aceptacin/rechazo o en el desarrollo de sistemas.
Tambin ha permitido un acercamiento a las estructuras que subyacen en una organizacin y hacer anlisis exploratorios de la realidad organizacional para determinar necesidades reales y ocultas, conflictos latentes, o toda situacin derivada de
desequilibrios generados por la dominacin.
En la disciplina de la simulacin tienen cabida dos tipos de datos: cuantitativo o,
cualitativo.
Tipo de dato cuantitativo. El dato cuantitativo es el dato expresado en notacin
lgica o matemtica.
Tipo de dato cualitativo. El dato cualitativo es el dato que se expresa mediante
narraciones o palabras. Permiten descripciones extensas y ayudan a reflejar de mejor manera, entre otras cosas, los sentimientos y las emociones.
El mtodo de investigacin permite identificar la perspectiva a aplicar sobre un proceso de investigacin, lo cual significa pasar de los datos recogidos a los resultados
confiables. Estos mtodos se caracterizan por:
ser la estrategia de investigacin que permite pasar del paradigma al diseo

de la investigacin y a la captura de datos; e,
implicar diferentes habilidades y prcticas de trabajo.
A la fecha se han estudiado y aplicado en Sistemas de Informacin diversos mtodos tomados de las ciencias sociales. Sin embargo, cuatro de ellos son hoy en da
los ms relevantes por su impacto futuro en ayudar a la comprensin de problemas
cualitativos en sistemas. Tales mtodos son:
Estudio de Caso;
Teora Fundamentada en Datos;
Investigacin-Accin; y,
Etnografa.
A continuacin estos mtodos son descritos, para luego aadir otros citados en la
disciplina de la simulacin .
91
Estudio de Caso
Es la investigacin emprica de un fenmeno del cual se desea aprender dentro de
su contexto real cotidiano. El Estudio de caso es especialmente til cuando los lmites o bordes entre fenmeno y contexto no son del todo evidentes, por lo cual se
requieren mltiples fuentes de evidencia.
En un Estudio de Caso, un investigador conoce una realidad, un caso, acercndose
a esa realidad segn conveniencia o siendo informado off-line desde ella, independiente de si se sigue una postura positivista o interpretativa. Al final emite un informe conocido coloquialmente como el caso.
Los Estudios de Caso presentan diversas variaciones dependiendo de las siguientes
variables:
cantidad de casos (simple o mltiple);

unidades de anlisis (holstico o detallado);
objetivo de la investigacin (descriptiva, demostrativa, generativa); y,
temporalidad (diacrnico, sincrnico).
En Sistemas de Informacin han sido usados ampliamente, en estudios principalmente positivistas, para acercarse a una realidad, estudiar procesos, efectuar estudios comparativos, y llegar al conocimiento profundo del efecto e impacto de los
sistemas.
Dinmica de un Estudio de Caso - (c) Christian A. Estay-Niculcar
Teora Fundamentada en Datos (grounded theory)

La Teora Fundamentada en Datos es un proceso donde no se exponen ni manifiestan referencias a datos externos al fenmeno, como tampoco teoras previas. Todo
lo que ocurre es entre el investigador y los datos que se manejan del fenmeno,
versus las categoras que se van descubriendo y una teora que va emergiendo.
92
En otras palabras, en tal proceso los datos usados son slo del rea sustantiva, el
problema, temtica o rea de inters abordada, sin hacer referencia a nada ms.
La novedad de este mtodo est en recoger, analizar y comparar datos mientras se
generan categoras descriptivas y explicativas de un fenmeno como parte de un
proceso conducente a determinar una teora, modelo o hiptesis que le caracterice.
Adicionalmente se aaden un conjunto de seales que alertan al investigador acerca de cmo establecer conceptos, sin excluir la emergencia y desarrollo de temas
no vistos, crendose una perspectiva o comprensin nueva del comportamiento
comn de los individuos y/o grupos.
En una Teora Fundamentada en Datos, un investigador accede a una realidad hacindose parte de ella segn sea conveniente o no. Producto de esta inmersin,
conoce mejor la realidad y a partir de este profundo conocimiento codifica datos
con los cuales construye la teora. Al final emite un informe donde plasma la teora
o una nueva comprensin de una determinada realidad. Esta comprensin es producto de que los anlisis de datos permiten identificar estructuras organizacionales
subyacentes en la comuni-cacin humana, que se encuentran en procesos hilvanados por el lenguaje y las palabras entre personas.
Las variantes del mtodo se dan en el plano epistemolgico y metodolgico debido
a un considerable disagreement among its co-founders concerning the implementation of this approach. As, Babchuck habla de una variante straussiana y una
glaseriana, cuya diferencia se basa en preguntarse:
qu pasa s?, punto de vista de Strauss versus,

qu tenemos aqu?, punto de vista de Glaser.
En Sistemas de Informacin se ha empleado en el estudio de interacciones:
entre gente que vive en escenarios tecnolgicos con primaca de sistemas,

por ejemplo al evaluar el impacto de la introduccin de Internet en organizaciones educativas; o,
directamente en la relacin individuo/grupo y sistemas, por ejemplo, estudiando el impacto de un nuevo sistemas en una empresa.
En este contexto, se han identificado estructuras que han permitido determinar las
causas de la aceptacin y/o uso de los sistemas. Respecto de tal o cual variante se
ha usado en Sistemas de Informacin, no existen registros o comentarios en la literatura que permitan distinguir alguna, salvo el caso de Estay y Pastor quienes sealan que han usado la variante de Glaser. Por otra parte, Pandit ofrece un buen
ejercicio sobre la Teora Fundamentada en Datos dentro de una metodologa.
93
Dinmica de la Teora Fundamentada de Datos (grounded theory) - (c) Christian A.

Estay-Niculcar
Investigacin-Accin
Investigacin-Accin implica, como su nombre indica, accin e investigacin, en el
sentido de unir teora y prctica. Investigacin-Accin enfrenta la pregunta de accin How can I improve the quality of my practice here? versus la pregunta pasiva
del investigador What is happening here?.
Hult y Lennung (en 1980) le definen de la siguiente manera: Action Research simultaneously assists in practical problem-solving and expands scientific knowledge,
as well as enhances the competences of the respective actors, being performed
collaboratively in an immediate situation using data feedback in a cyclical process
aiming at an increased understanding of a given social situation, primarily applicable for understanding of change processes in social systems and undertaken within
a mutually acceptable ethical framework.
Para Kurt Lewin (en 1946), quien es considerado padre y fundador de la Investigacin-Accin, como parte del mtodo hay que tener presente que el conocimiento de
un sistema humano no puede darse sin procurar cambiarlo. Por esto es importante
considerar como variables de investigacin la dinmica de la realidad social, el rol
del observador y el cambio continuo.
En Investigacin-Accin, el investigador interviene una realidad injertndose en ella
con objeto de ayudar a hacerla mejor y/o cambiarla. Producto de esta inmersin,
conoce mejor la realidad y a partir de este profundo conocimiento ayuda a los involucrados en la realidad a manejar herramientas que les permitan enfrentar nuevos
problemas de mejora y cambio.
94
Se emiten informes en conjunto entre investigador y los involucrados en la realidad. Luego de la investigacin, los participantes estn en condiciones de emitir informes sobre la experiencia.
En Sistemas de Informacin se pueden consultar textos de Baskerville para un resumen general.
Dinmica de Investigacin-Accin - (c) Christian A. Estay-Niculcar
Etnografa
La Etnografa es el estudio descriptivo de las actividades de un grupo humano determinado.
Hablar de variantes etnogrficas es complicado dado que la etnografa depende de
cada investigador. Sobre este tema, se sealan algunas diferencias que podran
establecer variantes. Aparte est la etnometodologa, considerada un tema particular de Etnografa que una variante. Aparte se diferencia una etnografa holstica,
una semntica y otra de comportamiento, mientras otros autores hablan de una
etnografa crtica.
En una Etnografa, un investigador se introduce en una realidad y la vive. A partir
de esta vivencia luego escribe una historia.
Para Sistemas de Informacin, la Etnografa ha ofrecido un riguroso mtodo de
anlisis del contexto institucional de la prctica de los sistemas donde el contexto
es una nocin social de significados construidos en un universo de discurso. Especficamente ha permitido identificar procesos, al seguir el comportamiento de las personas frente a un sistema y, la organizacin en su evolucin estructural frente a las
infraestructuras tecnolgicas que sustentan y/o se basan en sistemas.
95
En particular, en Sistemas de Informacin se destacan algunos importantes estudios etnometodolgicos, pues permiten acercarse y comprender de mejor manera
el escenario donde se manifiesta Sistemas de Informacin, en esencia, prcticas de
trabajo singulares vinculadas a sistemas.
Dinmica de una Etnografa - (c) Christian A. Estay-Niculcar
Otros mtodos
Otros mtodos que aparecen dentro de la disciplina de la simulacin son: fenomenologa, interaccionismo simblico, estudios histricos e historias de vida.
Fenomenologa. La fenomenologa considera que la base de todo conocimiento es
la bsqueda de la esencia de las cosas. Por esta razn, para un fenomenlogo, conocer es comprender. Se introduce as una forma de comprender y conocer, ms
que una forma de explicacin o, en otras palabras, un mtodo para conocer y encontrar la esencia de las cosas.
La fenomenologa obliga a introducirse en el hecho enigmtico, y problema de la
investigacin, que las cosas aparezcan como ellas mismas frente al investigador.
Por ello intenta conocer la estructura esencial de un fenmeno, asumiendo que los
significados son emanados de la conciencia del observador.
En Sistemas de Informacin ha servido para proveer un mtodo de interpretacin a
partir del observador. Su utilidad actualmente se orienta como complemento a
otros mtodos, asistiendo en el proceso de descubrir la esencia del significado de
las interpretaciones.
Esto ltimo se hace en el entendido qu, para conocer real y efectivamente los sistemas en su relacin con las personas, debe incluirse el carcter fenomnico del
conocimiento sobre Sistemas de Informacin que tienen las personas.
Interaccionismo simblico. Considerado como mtodo, el Interaccionismo Simblico es una forma de conceptualizar el mundo comprendiendo las interacciones de
96
las personas a travs del lenguaje. Aporta una visin que permite tratar la produccin y reproduccin social que se manifiesta en la naturaleza simblica de la comunicacin.
En Sistemas de Informacin acta como modelo o patrn de comprensin para
identificar el significado dentro de intercambios comunicacionales. En este sentido,
ha servido para conocer la apreciacin existente sobre procesos de cambio tecnolgico, por su nfasis en procesos diarios que se concretan en realidades colectivas,
identificando smbolos y signos recurridos por las personas.
Estudios histricos. Un estudio histrico comprende la economa, las instituciones, los datos histricos, los relatos persona-les, los estudios de gnero, las tecnologas, la cultura, las personas, etc., concentrndose eso s, siempre, en los procesos. Por otra parte, un estudio a-histrico es lo esttico, de corto (muy corto) plazo, limitado en ambiente, ideal (positivista), donde lo discreto del tiempo se acepta
como requisito para estudiar fenmenos ya aislados.
En particular, el estudio histrico, o la Historiografa es el cuerpo de tcnicas, teoras y principios asociados con la investigacin histrica, una forma de dirigir datos
y fuentes, responder preguntas y construir teoras basadas en la evidencia de los
hechos en el tiempo. Su uso ofrece una base para ensamblar datos, relacionar
eventos y, construir una teora.
Aunque en Sistemas de Informacin su uso no es extendido, existen planteamientos formales sobre como usarlo. Igualmente, otros estudios especficos podran
asociarse a este mtodo. En particular se ha planteado que puede servir para informar y contextualizar eventos, como parte de un proceso de razonamiento inductivo y como fuente de nuevas hiptesis.
Historias de vida. Historia de Vida es el anlisis de in-formacin proveniente directamente de las personas que han vivido experiencias o han sido parte de determinados fenmenos o procesos. Para lo anterior se recurre a la narracin explcita
de la persona, donde el inves-tigador asume un rol de escritor de las historias. En
trminos epistemolgicos, la Historia de Vida es una forma humanista de acceso al
conocimiento donde toda la relevancia del caso la posee el individuo narrador.
Las variantes conocidas son la biografa, el relato de vida (life story), la historia de
vida (life history) y el biograma.
En Investigacin Cualitativa en Sistemas de Informacin para este mtodo no se
han encontrado aplicaciones explcitas, aunque muchos estudios de casos, puede
decirse, consideran como fuentes de datos narraciones de historias de vida. Su potencial para disciplina de la simulacin es el de estudiar los procesos organizacionales desde la perspectiva de clientes, usuarios, operadores y/o desarrolladores.
A continuacin se describen las tcnicas de captura de datos usadas en la disciplina
de la simulacin. Bajo esta denominacin se agrupan tcnicas y procedimientos
empleados en la observacin y recoleccin de datos.
Entrevista/Encuesta. Mientras la Entrevista es el mecanismo de captura consistente en realizar un conjunto de preguntas a una persona o grupo de personas; la
encuesta se orienta a preguntar a un grupo extenso de personas.
Observacin. En esta tcnica el investigador observa un fenmeno en forma directa.
97
Registro AudioVisual. Consiste en el anlisis de documentos

en-tindase fotografas, grabaciones sonoras, videos o pelculas.
visuales,
Recopilacin de Documentos y Archivos. Es la revisin de material escrito ya

sea por medios manuales, mecnicos o electrnicos. En este tipo de trabajo tienen
cabida: encuestas, libros, revistas, bases de datos electrnicas, mensajes de correos electrnicos, etc.
Recopilacin de Artefactos. Accin esencialmente antropolgica y ligada a la
etnografa consistente en recoger los artefactos usados por los sujetos bajo estudio
en su rutina diaria como en la confeccin de otros artefactos.
Experiencia Personal. Anlisis de las narraciones/historias del propio observador.
En la Tabla siguiente se muestran las ventajas y desventajas de cada una de las
tcnicas empleadas en la disciplina de la simulacin.
Tcnica
Entrevista
Entrevista/Encuesta
Encuesta
Observacin
Directa
Fortalezas
Se puede enfocar directamente en el problema.
Permite detectar y profundizar en aspectos
causales.
Se puede enfocar directamente en el problema.
Facilita el anonimato.
Es cuantitativa y/o cualitativa.
Cubrir eventos en tiempo

real.
Permite acceder al contexto.
Observacin
Observacin
Participante
Registro Audiovisual
Recopilacin
de Documentos y Archivos
Recopilacin
de documentos
Cubrir eventos en tiempo

real.
Permite acceder al contexto.
Permite conocer el proceso, el comportamiento,
las motivaciones, etc.
Se aprecia la dinmica del fenmeno.
Repetibilidad de la revisin.
Acceso a referencias
exactas.
Cubrir amplio espacio de
Debilidades
Sesgos y manipulaciones
en preguntas y/o respuestas.
Prdidas por olvidos y/o
mala retroalimentacin.
Esperar lo que se quiere
or.
Baja tasa de respuesta.
Formularios mal diseados.
Manipulacin de las preguntas y en las respuestas permitidas.
Consumo de horashombre (costo y tiempo).
Selectividad y mbito de
la observacin.
Prdida de la continuidad
del proceso.
Alteracin del proceso.
Transculturalidad.
Consumo de horashombre (costo y tiempo).
Selectividad y mbito de
la observacin.
Alteracin y manipulacin
del proceso.
Transculturalidad.
Consume recursos econmicos.
Prdida de privacidad de
los sujetos.
Potencialmente existe
baja tasa de recuperabilidad.
Sesgo en la selectividad.
Documentos incompletos.
98
Recopilacin
de archivos
Recopilacin de Artefactos
Experiencia Personal
3.
tiempo, eventos, espacio, etc.

Repetibilidad de la revisin.
Acceso a referencias
exactas.
Cubrir amplio espacio de
tiempo, eventos, espacio, etc.
Precisin y uso de bases
de datos.
Es cualitativa y cuantitativa.
Comprender los
aspectos culturales.
Comprender las
operaciones tcnicas.
Facilidad de obtencin.
Accesos bloqueados o no
permitidos.
Potencialmente existe
baja tasa de recuperabilidad.
Sesgo en la selectividad.
Documentos incompletos.
Accesos bloqueados o no
permitidos.
Dificultad o problemas en
obtenerlos.
Selectividad.
Sesgos, olvidos propios
voluntarios o involuntarios.
El proceso de exportacin.
El Modo de anlisis tiene que ver con la perspectiva de tratamiento de datos que se
sigue en una investigacin.
Esta ltima categorizacin se ha estudiado en Estay y Pastor, encontrndose que
ella concentra realmente el esfuerzo de trabajo con los datos cualitativos y no es
una categora en s misma, sino un conglomerado de otros instrumentos de naturaleza ms operativa.
En tal sentido, el Modo de anlisis es un conglomerado de diversos instrumentos,
identificndose:
modo de anlisis hermenutico,

mecanismos de clasificacin/categorizacin,
mecanismos de comparacin,
mecanismos de anlisis de textos,
mecanismos para presentar datos y,
estudio de significados.
El modo hermenutico. La Hermenutica nace como una forma analizar los textos sagrados de la Biblia, como una palabra para designar la facultad de comprender o la perspicacia sutil e intuitiva de conocer a los dems.
La hermenutica es la reaccin al realismo filosfico, entendiendo que la comprensin especfica de algo depende de su contexto y, el contexto depende a su vez del
significado de las cosas que le componen. Esta relacin es lo que se llama el ciclo
hermenutico.
Para el investigador, este ciclo es un ciclo que provee un aprendizaje de primer nivel de los sujetos estudiados. Pero, existe un segundo ciclo, donde el investigador
analiza su propia realidad aplicando el mismo principio del ciclo hermenutico pero
99
a su rol como entidad frente al todo de la investigacin que lleva adelante. Esto se
ha considerado un segundo ciclo hermenutico.
Para Sistemas de Informacin, el primer ciclo ha permitido comprender las interpretaciones sobre los sistemas directamente de los sujetos estudiados y sus realidades inmediatas. El segundo ciclo, poco referenciado en la literatura de disciplina
de la simulacin , ha permitido comprender de mejor manera el proceso de investigacin.
Mecanismos de clasificacin/categorizacin. Se pueden mencionar dos tcnicas tiles y probadas de clasificar y categorizar datos provenientes, una de la Teora Fundamentada en Datos y, otra, de la Etnografa.
Clasificacin/categorizacin segn la Teora Fundamentada en Datos. La

Teora Fundamentada en Datos en esencia busca clasificar los datos en tres
categoras: conceptos, categoras y proposiciones , con los cuales consigue
generar la teora. Para ello recurre a tres procedimientos: Open coding, Axial
coding y, Selective coding.
Clasificacin/categorizacin segn la Etnografa. Se plantea como un
modelo para identificar los patrones de comportamiento y temas conversacionales de un dominio, siguiendo cuatro tipos de anlisis : anlisis de dominio, anlisis taxonmico, anlisis de componentes, y anlisis de tema.
Mecanismos de comparacin. Una de los mayores problemas en la Investigacin

Cualitativa es la comparacin de datos o categoras. Se describen en la literatura
dos mecanismos de comparacin de datos: Cross-Case y Within-Case, ligadas
originariamente al Estudio de Caso.
En esencia ambos usan herramientas similares de muestreo, anlisis, ordenamiento
y presentacin de datos, su diferencia radica en el enfoque de visin sobre los datos:
Cross-Case, es la comparacin entre varios sitios o casos de estudio; y,

Within-Case, es la comparacin de unidades o niveles de anlisis dentro
de un sitio o caso.
Mecanismos de anlisis de datos. Se muestran aqu tres tipos de anlisis de datos

relativos a la comprensin de un texto y su significado dentro de una interaccin:
Anlisis de contenido que estudia un texto y analiza las palabras contenidas;

Anlisis de conversacin que analiza y estudia la interaccin entre personas, y,
Anlisis de discurso, ubicndose entre los dos previos y asumiendo la iteratividad del ciclo hermenu-tico de descubrir el significado, analiza y estudia la estructura del discurso subyacente en la interaccin social.
Mecanismos de presentacin de datos. Aqu sencillamente tiene cabida los diversos medios o instrumentos de representacin, que incluye texto, imagen y diagramas.
Formas de estudiar el significado. Si bien la Hermenutica garantiza que las
partes explican el todo y el todo explica las partes, existe un anlisis paralelo que
precisa reconocer el simbolismo intrnseco en una interaccin social. Esto ha llevado
a considerar diferentes formas de estudiar el significado de los datos.
100
Semitica. La semitica es la ciencia de los signos que provee conceptos e

ideas que permiten un anlisis sistemtico de los smbolos.
Narrativa. Una narrativa es un texto con un contenido que puede ser analizado. El texto es una secuencia de frases y palabras concatenadas mediante
diferentes orde-namientos, tanto lingsticos como sociales e institucionales.
Una narracin puede darse en el contexto de una conversacin, en un intercambio epistolar, dentro de un grupo de discusin que usa correo electrnico, artculos de un per-sonaje, etc.
Metfora. Una Metfora es un tropo de diccin que consiste en expresar
una idea valin-dose de otra con la que guarda analoga o semejanza, por
ejemplo como la expresin: el bculo de la vejez.
Mito. Un Mito es una narracin dramtica de eventos imaginados, usualmente usados para explicar orgenes o transformaciones de algo. Organizacionalmente es una creencia no cuestionada sobre prcticas de ciertas tcnicas y comportamientos que no son demostrables por los hechos.
Magia. Lo mgico es algo supersticioso o religioso, algo cuya existencia no
es posible seguir mediante el mtodo cientfico, como instrumento de control
de la natura-leza en su prctica final exacta. Organizacionalmente es algo
que ayuda al funcionamiento, cohesin y funcionamiento de la sociedad.
A continuacin la descripcin de conceptos citados anteriormente.

Open coding es un procedimiento que descompone datos y que permite generar
unidades de anlisis (conceptos) para luego agregarlas en categoras para proponer
relaciones (proposiciones). Open coding es equivalente en Sistemas de Informacin
a identificar objetos y abstraer sus clases.
Axial coding permite que las categoras, los conceptos o ambos se relacionen sobre la base de las siguientes categoras superiores (major categories) preestablecidas: condiciones causales, fenmeno, contexto, condiciones que intervienen, estrategias de accin/interaccin, y consecuencias, segn el modelo paradigma. Axial
coding es equivalente en Sistemas de Informacin a identificar y definir las vinculaciones entre clases segn determinadas clases aglutinadoras, como el modelo paradigma, o segn lo especifique cada caso.
Selective coding es el procedimiento donde se busca identificar categora central
(core category) a todas las encontradas y que da un sentido e intencionalidad a
todo el conjunto.
El anlisis de tema: Incluye
Anlisis de dominio: involucra agrupar categoras de significados (por ejemplo, madre-type_of-persona e hijo-type_of-persona, o sala de conferenciasis_a_place_of-comunicacin, y panel-is_a_place_of-comunicacin).
Anlisis taxonmico: involucra reconocer patrones que son parte de taxonomas cultura-les, mostrando las relaciones entre todos los trminos del
dominio.
Anlisis de componentes: considera la existencia de atributos descriptivos en
trminos de dominio (componentes de sig-nificados, categorizando un grupo, por ejemplo, por sexo y edad).
Anlisis de tema: considera identificar reglas, lenguaje, rituales, rutinas en
el estudio.
101
Tema N 2: Creacin de la interfaz de interaccin de los modelos y el usuario final.

1.
Necesidad del uso de un modelo.
Cuando alguien tiene la responsabilidad de conducir un sistema dado, como por

ejemplo: un banco, una ciudad, un sistema de transporte, etc., debe tomar continuamente decisiones acerca de las acciones que ejecutar sobre el sistema. Estas
decisiones deben ser tales que la conducta resultante del sistema satisfaga de la
mejor manera posible los objetivos planteados.
Para poder decidir correctamente es necesario saber cmo responder el sistema
ante una determinada accin. Esto podra hacerse por experimentacin con el sistema mismo; pero factores de costos, seguridad y otros hacen que esta opcin generalmente no sea viable. A fin de superar estos inconvenientes, se reemplaza el
sistema real por otro sistema que en la mayora de los casos es una versin simplificada. Este ltimo sistema es el modelo a utilizar para llevar a cabo las experiencias necesarias sin los inconvenientes planteados anteriormente. Al proceso de experimentar con un modelo se denomina simulacin. Al proceso de disear el plan
de experimentacin para adoptar la mejor decisin se denomina optimizacin. Si el
plan de experimentacin se lleva a cabo con el solo objeto de aprender a conducir
el sistema, entonces se denomina entrenamiento o capacitacin.
En este punto, es conveniente plantear las siguientes definiciones:
Sistema: Conjunto de objetos o ideas que estn interrelacionados entre s

como una unidad para la consecucin de un fin (Shannon, 1988). Tambin
se puede definir como la porcin del Universo que ser objeto de la simulacin.
Modelo: Un objeto X es un modelo del objeto Y para el observador Z, si Z
puede emplear X para responder cuestiones que le interesan acerca de Y
(Minsky).
Simulacin: Simulacin es el proceso de disear un modelo de un sistema
real y llevar a cabo experiencias con l, con la finalidad de aprender el comportamiento del sistema o de evaluar diversas estrategias para el funcionamiento del sistema (Shannon, 1988).
Aplicaciones de la simulacin
La simulacin es conveniente cuando:
No existe una formulacin matemtica analticamente resoluble. Muchos sistemas reales no pueden ser modelados matemticamente con las herramientas actualmente disponibles, por ejemplo la conducta de un cliente de
un banco.
Existe una formulacin matemtica, pero es difcil obtener una solucin analtica. Los modelos matemticos utilizados para modelar un reactor nuclear o
una planta qumica son imposibles de resolver en forma analtica sin realizar
serias simplificaciones. Teora de Modelos y Simulacin.
No existe el sistema real. Es problema del ingeniero que tiene que disear
un sistema nuevo. El diseo del sistema mejorar notablemente si se cuenta
con un modelo adecuado para realizar experimentos.
Los experimentos son imposibles debido a impedimentos econmicos, de seguridad, de calidad o ticos. En este caso el sistema real esta disponible para realizar experimentos, pero la dificultad de los mismos hace que se des-
102
carte esta opcin. Un ejemplo de esto es la imposibilidad de provocar fallas

en un avin real para evaluar la conducta del piloto, tampoco se puede variar el valor de un impuesto a para evaluar la reaccin del mercado.
El sistema evoluciona muy lentamente o muy rpidamente. Un ejemplo de
dinmica lenta es el problema de los cientficos que estudian la evolucin del
clima. Ellos deben predecir la conducta futura del clima, dadas las condiciones actuales, no pueden esperar a que un tornado arrase una ciudad para
luego dar el mensaje de alerta. Por el contrario, existen fenmenos muy rpidos que deben ser simulados para poder observarlos en detalles, por
ejemplo una explosin.
Entre las posibles desventajas de la simulacin se pueden citar:
El desarrollo de un modelo puede ser costoso, laborioso y lento.

Existe la posibilidad de cometer errores. No se debe olvidar que la experimentacin se lleva a cabo con un modelo y no con el sistema real; entonces,
si el modelo est mal o se cometen errores en su manejo, los resultados
tambin sern incorrectos.
No se puede conocer el grado de imprecisin de los resultados. Por lo general el modelo se utiliza para experimentar situaciones nunca planteadas en
el sistema real, por lo tanto no existe informacin previa para estimar el
grado de correspondencia entre la respuesta del modelo y la del sistema
real.
Actualmente la simulacin presta un invalorable servicio en casi todas las reas

posibles, algunas de ellas son:
Procesos de manufacturas: Ayuda a detectar cuellos de botellas, a distribuir personal, determinar la poltica de produccin.
Plantas industriales: Brinda informacin para establecer las condiciones
ptimas de operacin, y para la elaboracin de procedimientos de operacin
y de emergencias.
Sistemas pblicos: Predice la demanda de energa durante las diferentes
pocas del ao, anticipa el comportamiento del clima, predice la forma de
propagacin de enfermedades.
Sistemas de transportes: Detecta zonas de posible congestionamiento,
zonas con mayor riesgo de accidentes, predice la demanda para cada hora
del da.
Construccin: Predice el efecto de los vientos y temblores sobre la estabilidad de los edificios, provee informacin sobre las condiciones de iluminacin
y condiciones ambientales en el interior de los mismos, detecta las partes de
las estructuras que deben ser reforzadas.
Diseo: Permite la seleccin adecuada de materiales y formas. Posibilita estudiar la sensibilidad del diseo con respecto a parmetros no controlables.
Educacin: Es una excelente herramienta para ayudar a comprender un
sistema real debido a que puede expandir, comprimir o detener el tiempo, y
adems es capaz de brindar informacin sobre variables que no pueden ser
medidas en el sistema real.
Capacitacin: Dado que el riesgo y los costos son casi nulos, una persona
puede utilizar el simulador para aprender por s misma utilizando el mtodo
ms natural para aprender: el de prueba y error.
La importancia de la Simulacin es evidente al considerar el impacto que tuvieron

algunos trabajos, como ser:
103
La Perestroika: Estudios de simulacin efectuados en Rusia en las dcadas

del 70 y 80 convencieron a los dirigentes de la necesidad de plantear un
fuerte cambio en la economa de ese pas.
La cada de la bolsa de New York en 1988: La utilizacin de programas
de simulacin por parte de los corredores de la bolsa caus una falsa inestabilidad que provoc la cada.
El regreso del Apolo 13: La simulacin jug un rol fundamental en la determinacin del plan de emergencia. La nave retorn con xito a pesar de
las graves averas.
Los Voyagers: Gracias a la simulacin se pudieron establecer los itinerarios
ptimos para estas naves con un mnimo consumo de energa aprovechando
la atraccin gravitacional de los planetas.
Proyecto Monte Carlo: Von Newman y Ulam (1945) emplearon simulacin
para estudiar reacciones nucleares.
Los modelos del planeta: Algunos plantean la posibilidad de un calentamiento global debido al efecto invernadero. Otros plantean la posibilidad de
un enfriamiento y predicen una nueva era glaciar.
Capacitacin de tropas: En el operativo Tormenta del desierto llevado a
cabo en la guerra contra Irak, las tropas de todas las fuerzas estadounidenses que participaron (fuerza area, marina y ejrcito) fueron entrenadas con
simuladores.
Capacitacin de policas: Se utiliza entornos virtuales para que el polica
aprenda a conducirse en situaciones de riesgo.
Simuladores de vuelos: Fue una de las primeras aplicaciones de los simuladores. Actualmente se utilizan para entrenar pilotos de aviones comerciales y de combate.
Tipos de simulacin
De acuerdo a la naturaleza del modelo empleado, la simulacin puede ser por
(Fishman, 1978):
Identidad: Es cuando el modelo es una rplica exacta del sistema en estudio. Es la que utilizan las empresas automotrices cuando realizan ensayos de
choques de automviles utilizando unidades reales.
Cuasi-identidad: Se utiliza una versin ligeramente simplificada del sistema real. Por ejemplo, los entrenamientos militares que incluyen movilizacin
de equipos y tropas pero no se lleva a cabo una batalla real.
Laboratorio: Se utilizan modelos bajo las condiciones controladas de un laboratorio.
Se pueden distinguir dos tipos de simulaciones:
Juego operacional: Personas compiten entre ellas, ellas forman
parte del modelo, la otra parte consiste en computadoras, maquinaria, etc. Es el caso de una simulacin de negocios donde las computadoras se limitan a recolectar la informacin generada por cada participante y a presentarla en forma ordenada a cada uno de ellos.
Hombre-Mquina: Se estudia la relacin entre las personas y la
mquina. Las personas tambin forman parte del modelo. La computadora no se limita a recolectar informacin, sino que tambin la genera. Un ejemplo de este tipo de simulacin es el simulador de vuelo.
Simulacin por computadora: El modelo es completamente simblico y
est implementado en un lenguaje computacional. Las personas quedan ex-
104
cluidas del modelo. Un ejemplo es el simulador de un sistema de redes de

comunicacin donde la conducta de los usuarios est modelada en forma estadstica. Este tipo de simulacin a su vez puede ser:
Digital: Cuando se utiliza una computadora digital.
Analgica: Cuando se utiliza una computadora analgica. En este
grupo tambin se pueden incluir las simulaciones que utilizan modelos fsicos.
El simulador por computadora
Un simulador por computadora est compuesto por las siguientes partes:
Un modelo: Es un modelo simblico. Puede ser un conjunto de ecuaciones,

reglas lgicas o un modelo estadstico.
El evaluador: Es el conjunto de procedimientos que procesarn el modelo
para obtener los resultados de la simulacin. Puede contener rutinas para la
resolucin de sistemas de ecuaciones, generadores de nmeros aleatorios,
rutinas estadsticas, etc.
La interfaz: Es la parte dedicada a interactuar con el usuario, recibe las acciones del mismo y presenta los resultados de la simulacin en una forma
adecuada. Esta unidad puede ser tan compleja como la cabina utilizada en
los simuladores de vuelos profesionales.
CONTROL DE LECTURA N 2
Presentar del origen de datos del modelo a trabajar, incluyendo los datos
de entrada y salida.
INSTRUCCIONES:
1. En base al vdeo clase de la semana, disee los archivos de origen de datos,
para un modelo en particular elegido por el estudiante.
Plataforma de simulacin y visualizacin para el apoyo al anlisis y
toma de decisiones en proyectos de movilidad urbana.
William Romero, Jos Tiberio Hernndez, Juan Camilo Ibarra, Sergio Ordez Universidad de Los Andes Colombia.
http://www.scielo.org.co/pdf/ring/n29/n29a7.pdf
Lee atentamente la lectura, rene la informacin obtenida en un organizador de conocimiento.
105
AUTOEVALUACION No 3
1. Qu se entiende por modelo?
a) Representar el objeto.
b) Representar informacin y mostrarla mediante un lenguaje.
c) La representacin fsica tridimensional del objeto y la
muestra mediante un lenguaje.
2. Cul de estos modelos son prototipos?
a) Modelos de fabricacin.
b) Modelos ergonmicos.
c) Fase de formulacin.
3. Cul de estas no es una fase del proceso de modelado?
a) Conceptualizacin.
b) Fase de modelos.
c) Evaluacin del modelo.
4. Qu es la simulacin?
a) Crear un producto mediante procesos y diseos.
b) Proceso por el cual se dsela un modelo y se experimenta
con l
c) Maquetas experimentales.
5. Por qu pueden ser falsos los resultados de la simulacin?
a) Desprecio de elementos sin utilidad aparente.
b) Por usar sistemas dinmicos en tiempo real.
c) Por no existir una formulacin matemtica exacta del sistema a estudiar.
Tema N 3: Diseo y creacin de la Interfaz grfica de usuario.
1.
Criterios de diseo.
La Interaccin Humano Computadora ha sido definida de varias maneras en el

transcurrir de los aos. Segn la definicin de algunos autores: IHC es el diseo
de sistemas computacionales que apoyan a personas para que puedan llevar a cabo sus actividades de manera eficiente y segura. O IHC es el estudio y prctica
de usabilidad. Es sobre el entendimiento, y creacin de software y otras tecnologas que la gente querr utilizar, ser capaz de utilizar y encontrar efectivo al
usarla.
Se
sita
que
tras
requieren diferentes tipos de aplicaciones para diferentes propsitos y se nececuidado para dividir las tareas entre humanos y computadoras, asegurando
las actividades creativas y norepetitivas sean asignadas a los humanos mienque las otras sean asignadas a las computadoras.
La meta de la IHC es desarrollar y mejorar la seguridad, utilidad, eficiencia y usabilidad de sistemas basados en computadoras, mediante la elaboracin de sistemas
fciles de aprender y sencillos de usar.
106
Hay dos principios claves para una buena interaccin humanocomputadora: Visibilidad y Provisin.
Visibilidad: Los componentes de una interfaz deben:
Ser visibles, pero no sobrecargar al usuario.

Tener un buen mapeo con los efectos que producen feedback
Relacin entre los objetivos del usuario, las acciones que debe hacer
y los resultados.
Provisin: Los componentes de una interfaz deben proveer de manera natural su funcionalidad. Refirindose a sugerencia de uso que deben presentar las propiedades de los objetos.
La importancia de la IHC radica en su capacidad de mejorar la productividad del

usuario, bajar los costos de capacitacin en el uso de software y mejorar la seguridad.
Interfaz Grafica de Usuario.
La interfaz de usuario es el medio con el que el usuario puede comunicarse con una
mquina, un equipo o una computadora, y comprende todos los puntos de contacto
entre este y el equipo, normalmente suelen ser fciles de entender y simples de
accionar. La IGU se refiere al contacto visual del diseo grfico. A optimizar la usabilidad, la seguridad y la cognicin. Estas son normalmente las metas a alcanzar.
La IGU es un tipo de interfaz de usuario que utiliza un conjunto de imgenes y objetos grficos para representar la informacin y acciones disponibles en la interfaz.
Habitualmente las acciones se realizan mediante manipulacin directa para facilitar
la interaccin del usuario con la computadora. En lo que respecta al contexto
nuestro, la definicin considerada idnea para la IGU es: ... podramos definir la
interfaz grfica de usuario, en el contexto de la interaccin personaordenador,
como un artefacto interactivo, que por su diseo y a travs de ciertas interfaces
humanas, posibilita la interaccin de una persona con el sistema informtico, haciendo uso de las gramticas visuales y verbales (signos grficos como iconos, botones, mens y verbales como tipografa).
Como todo artefacto, exige por parte de la persona que interacciona, la capacidades fisiolgicocognitivas mnimas, para poder interpretar adecuadamente los signos, y poder realizar acciones efectivas sobre la propia interfaz. La historia de la
IGU ha estado marcada en su evolucin por dos factores decisivos: la investigacin
y el negocio.
El origen de su nacimiento radica en la bsqueda de un mtodo de interaccin amigable con las computadoras que superase la interfaz de lnea de comandos. La repercusin que ha tenido su descubrimiento sobre la computacin informtica se ha
traducido en muchos beneficios para aquellos individuos y empresas que han actuado con astucia aprovechando y explotando los hallazgos propios y ajenos.
La IGU como artefacto tecnolgico nace en el ao 1973 en el centro de investigacin Xerox Alto, donde se parte con el objetivo bsico de encontrar un modelo ptimo de interaccin humano computadora, pasa por un proceso de eclosin y de
madurez donde se definen sus elementos bsicos, para acabar convirtindose en un
producto de consumo esttico dentro de los sistemas interactivos, donde la interfaz, ms all de un medio de interaccin ptimo, se transforma en un objeto inteligente abierto a los procesos de personalizacin por parte del usuario.
107
Elementos fundamentales que componen la IGU, como la barra de tareas, tienen

una historia propia, y corresponde a muchas investigaciones y pruebas de diseo el
haber llegado a su actual definicin conceptual, formal y funcional. Las IGU han
pasado de convertirse, de un artefacto tecnolgico con propiedades interactivas que
posibilita la interaccin con la computadora, a constituirse como artefacto inteligente capaz de orientar al usuario y provocarse cambios a s misma, en relacin a los
datos tomados de ste.
Esto abre un nuevo mbito de investigacin dentro del contexto de las interfaces
que tienen que ver con la adicin de inteligencia. Las IGU estn actualmente abiertas a los procesos de personalizacin, permitiendo que el usuario modifique aspectos visuales de la IGU de modo que la pueda adaptar a sus gustos. Este proceso
convierte a la IGU de algn modo en un objeto con identidad propia, maleable y
dispuesta para el consumo esttico. Estas propiedades acercan la IGU a objetos
interactivos de ocio, como juegos con los que se puede interactuar y a travs de los
cuales se puede acceder a ciertas informaciones.
2.
Organizacin de la interfaz.
Modelo para el Diseo de la Interaccin Humano Computadora

Un modelo es una representacin simplificada de un fenmeno del mundo real y de
los elementos relacionados a l. MODIHC es un modelo que permite disear todos
los aspectos involucrados en la interaccin entre un humano y una computadora
cuando se estn desarrollando productos de software. Como se muestra en la figura siguiente, el modelo consta de cuatro componentes principales: usuarios, ambiente de trabajo, tecnologa y funcionalidad del sistema, los cuales estn relacionados entre s y tienen como elemento coordinador al diseador de software. El
modelo est basado en la filosofa del DCU3, as los usuarios cuentan con un papel
principal en todo el proceso de diseo.
108
El diseador de software debe realizar la transicin de la funcionalidad a la usabilidad, lo cual significa que el funcionamiento de un producto de software debe corresponder a los requisitos y habilidades del usuario en su ambiente natural de trabajo. Para ello se proponen una serie de actividades que debe realizar el diseador
de software.
En la tabla se aprecia que el componente usuarios est presente en todas las actividades que realiza el diseador de software. Para disear la IHC desde el punto de
vista de la tecnologa debe considerarse el ambiente de trabajo y los productos obtenidos del estudio del ambiente de trabajo as como la seleccin de los elementos
de hardware y software que influyen en el diseo de la funcionalidad del sistema.
En la siguiente figura se presenta el proceso para aplicar MODIHC, basado en las
actividades mencionadas anteriormente
109
Mediante el proceso de diseo y desarrollo interactivo, tal como lo propone MODIHC, con la participacin de los usuarios reales desde las etapas iniciales del proceso, se asegura la creacin de productos de software fciles de aprender, usar
(usables), seguros, efectivos y que simplifiquen las actividades que se deseen realizar.
ACTIVIDAD N4
Elaborar el diseo de la interfaz de un modelo propio de simulacin.
INSTRUCCIONES:
1. En base a La video clase de la semana, disee e implemente la interfaz grfica de usuario, para un modelo en particular elegido por el estudiante.
110
Simulacin de Cadenas de Suministro: Nuevas Aplicaciones y
reas de Desarrollo.
Jos L. Caldern, Francisco C. Lario Universidad Politcnica de Valencia
Espaa.
http://www.scielo.cl/pdf/infotec/v18n1/art18.pdf
UNIDAD IV: FINALIZACIN Y PUESTA A PUNTO DEL MODELO.
DIAGRAMA DE PRESENTACIN DE LA UNIDAD IV

CONTENIDO
ACTIVIDAD
FORMATIVA
SISTEMA DE
EVALUACIN

simulacin un modelo documentado, con capacidad de interactuar con usuario final a travs de una GUI.
CONTENIDOS
Tema N 1: Creacin
de un ambiente de
simulacin.
1.
Anlisis de variables.
2.
Seleccin de variables.
Tema N 2: Creacin
de una pgina de su-
Crear ambientes de simulacin

relacionados
con sus modelos.
Analizar y disear pginas de supuestos en
modelos.
Crear un soporte adecuado tanto descriptivo
como narrativo para ex-
evaluar
111
puestos.
1.
Organizacin de
los ambientes.
2.
Carga de entornos variables.
Tema N 3: Documentacin del modelo.

1.
Seleccin de la
informacin relevante.
2.
Diseo y ejecucin de la narrativa.
plicar la naturaleza y
funcionamiento de un
modelo.
Elaborar de un modelo
de simulacin, con orgenes de datos e interfaz grfica de usuario.
individual.


otro.
RECURSOS:
Videos:
Tema N 1
Creacin de un ambiente de simulacin.
https://www.youtube.com/watch?v=tql79QjsIXk
Tema N 2
Creacin de una pgina de supuestos.
https://www.youtube.com/watch?v=InJOTkEzQtg
Tema N 3
Documentacin del modelo.
https://www.youtube.com/watch?v=sn3jlc5Td8c
Anlisis de la Entrada en Simulacin Estocstica.
Tomado de http://www.scielo.cl/pdf/infotec/v26n1/art03.pdf
Instrumento
de evaluacin
Bibliografa
(Bsica y
Complementaria)
BASICA
multidisciplinar y Approach Wiley and Sons Inc Publication Hoboken New Jersey 2009
COMPLEMENTARIA
112

Tema N 1: Creacin de un ambiente de simulacin.

1.
Anlisis de variables.
Los escenarios de simulacin son el equivalente a las condiciones iniciales que se

usan en la resolucin de ecuaciones diferenciales. Se definen a partir de los valores
de los parmetros y las variables de estado o niveles y las formas particulares de
las no-linealidades y los multiplicadores.
Hasta ac debe ser claro que la simulacin permite tomar decisiones de manera
virtual, aprender de los errores y de los aciertos, y luego volver atrs como si nada
hubiese ocurrido, es decir, que con un buen modelo, se pueden evaluar diferentes
estrategias y estudiar sus efectos en el entorno para extrapolar conclusiones. Se
adquiere experiencia con costos bajos y evitando el riesgo de enfrentar potenciales
consecuencias adversas.
Mediante un plan de pruebas, se evaluarn los beneficios y los riesgos asociados a
cada alternativa en los escenarios simulados; as podr identificarse la estrategia
ms conveniente en cada caso.
Una situacin comn en los albores del siglo XXI es la prisa o el ansia por obtener
resultados en el corto plazo, la falta de plantificacin y elaboracin de soluciones.
Por este motivo una de las tareas a las que todo individuo con poder de decisin
debera dedicarse es al modelado y diseo de escenarios de simulacin.
Pensar los escenarios de simulacin es una tarea pesada y que la mayora prefiere
dejar para otros, pero sin esta base las decisiones no sern tomadas de forma acertada debido bsicamente a la falta de direccin, estrategia, visin y planificacin, y
mucho ms en un entorno cambiante.
Alguno tericos como Peter Schwartz (1991), proponen algunas estrategias para
llevar a cabo de forma exitosa simulaciones de escenarios, definiendo posibles
situaciones futuras para determinar las acciones a desarrollar. No es una receta
infalible, sino de una tcnica mediante la cual se trata de definir cmo ser el entorno en el medio y largo plazo (con varios escenarios) y definir las acciones a
desarrollar para lograr los objetivos propuestos.
La tcnica de Schwartz, adecuada al modelado dinmico sistmico, tiene 5 pasos.
1. Realizar un modelo: procurando identificar las variables relevantes del
sistema.
2. Definir un mapa con dos ejes; los ejes vendrn determinados por las dos
variables ms inciertas que se haya identificado.
3. Imaginar futuros posibles. A veces definir escenarios es muy fro, de
forma que puedes tratar de transformar cada escenario en una historia
de futuro.
4. Pensar en implicaciones y acciones. Para cada escenario pensar en implicaciones y acciones a desarrollar
5. Finalmente ser necesario definir indicadores de seguimiento. Definidos
los escenarios y las actuaciones es imprescindible realizar un seguimiento de los mismos con la finalidad de poder ir modulando las acciones.
113
Este ejercicio no dar el escenario futuro exacto pero si ayudar a:
Analizar la situacin actual

Analizar el entorno
Reelaborar los modelos mentales acerca de la realidad
Mantenerse atento a los cambios
Disponer de un plan de actuacin a medio y largo plazo
Huir de la coyuntura de un momento
En lo que sigue se hacen un par de aclaraciones que es preciso que el lector domine
conceptualmente. Un escenario debe ser entendido como la descripcin de una situacin que pudiese presentarse como resultado de una accin o por una dinmica
evolutiva en el tiempo. As mismo la construccin de escenarios implica el diseo y
elaboracin de un nmero de visiones consistentes internamente de futuros posibles, combinando la informacin disponible y las posibilidades de futuro.
El diseo de escenarios de simulacin permite en esencia visualizar el futuro, y es
especialmente til cuando ste no puede ser visto como una simple prolongacin
del pasado, es decir, cuando una mera extrapolacin generada por una regresin es
suficiente. Tal visualizacin consiste en tener un panorama de futuros posibles, representados cada uno de ellos en un escenario determinado.
Algunas caractersticas del diseo de escenarios:
Ejercicio colectivo, es decir, se debe desarrollar un proceso de reflexin

compartida.
Se proyecta al largo plazo, esto es, 10, 15 o 20 aos son los horizontes
temporales habituales.
Se valoran las proyecciones en el marco del fenmeno determinado por sus
efectos sociales, polticos y econmicos.
Se analizan y valoran los obstculos que se oponen a la materializacin de
las proyecciones o comportamientos esperados y se revisan las fuerzas que
pueden facilitarlas. Alta dependencia con la realidad modelada.
Escenarios y pronsticos
Los escenarios tienen que ver con los procesos relativos a precisar lo que va a
pasar, como consecuencia de una accin determinada o de una dinmica evolutiva
de un proceso de naturaleza esencialmente incierto.
El pronosticar es en esencia un sinnimo de predecir y el resultado de un buen proceso de simulacin de escenarios ha de ser cul de un conjunto posible de escenarios es ms probable, es decir, cul ser el escenario que ha de ser pronosticado.
Los escenarios y la toma de decisiones
La inteligencia en la toma de decisiones se entiende como la capacidad de reunir y
analizar datos para la difusin de informacin relevante que permita crear conocimiento apto, empleando para ello la simulacin mediante escenarios como herramienta de estudio de los pronsticos o de los futuros plausibles, con el fin de determinar entre todos los escenarios posibles el ms favorable y probable.
114
Tanto la cobertura como el tipo de simulacin a seguir la debe definir el usuario

final del modelo, esto se justifica en la medida en que la simulacin de escenarios
puede ser aplicada a cualquier problema que pueda ser modelado y que requiera de
una solucin estratgica.
Cmo construir o Simular escenarios.

Adicional a la propuesta de Peter Schwartz (1991), en trminos generales se puede
proponer como etapas para la construccin y simulacin de escenarios las siguientes:
Etapas
1. Identificar el tema focal, los objetivos del anlisis, el horizonte temporal,
el problema a modelar y a resolver.
2. Seleccionar el grupo de trabajo que puede ser mediante la aplicacin de:
i. Tcnicas prospectivas, es decir: seleccionar un grupo con un nivel
lo ms homogneo posible; realizar trabajo individual; que haya
anonimato entre los integrantes del grupo y que los datos se den
a partir de juicios de valor basados en conocimiento, experiencia,
imaginacin, sentido comn e intuicin.
ii. Aplicando la inteligencia empresarial, mediante el aporte de especialistas en Inteligencia empresarial ms un grupo pequeo de
expertos (con iguales caractersticas). El grupo de expertos apoya
el trabajo y lo complementa, pero los datos principales, parten de
los productos de inteligencia previamente realizados, ej: estudios
de tendencias.
3. Analizar el entorno, que consiste bsicamente en identificar el contexto
dentro del cual se desarrolla el problema procurando identificar variables
exgenas determinantes o determinadas por el problema en cuestin.
4. Identificar y caracterizar las variables claves predecibles, construir el
modelo, para ello se siguen los lineamientos previamente presentados en
las lecciones precedentes, pero vale la pena recordar que es conveniente
la determinacin:
i. de varios indicadores que caractericen el futuro de una variable.
ii. de las variables o indicadores que caractericen un escenario o situacin.
iii. y de las variables considerando las tendencias y eventos que
permitan construir todos los escenarios posibles: Tendencias: variables continuas importantes en la descripcin del estado de un
escenario, basadas en consideraciones polticas, econmicas, sociales y tcnicas. Eventos: cambios repentinos que pueden ocurrir
en el futuro, donde la ocurrencia de un evento puede alterar la
estructura de los escenarios y por tanto de una o ms tendencias.
5. Recopilacin de los datos. Esta fase consiste bsicamente en la caracterizacin de una o varias variables a partir de fuentes confiables como opiniones de expertos o datos medidos por otras fuentes. Cada variable debe quedar expresada en su escala natural de medicin y todos los resultados deben ser expresados en una sola escala de medicin, la ms factible, esto redunda en la homogeneidad de los resultados.
115
6. Procesamiento y anlisis de los resultados. Para este propsito se pueden realizar desde dos perspectivas ya sea la sinttica o la analtica. En
el primer caso se obtiene un escenario con los con los valores sntesis de
cada variable y en el segundo se construyen escenarios posibles, tomando en consideracin todas las relaciones entre los eventos y las tendencias.
7. Construccin del escenario futuro o de todos los posibles, con la determinacin de los ms probables y favorables. Para lograrlo se propone:
i. Determinacin del escenario ms probable. Empleo de Evolucin o
Vensim o cualquier otro software.
ii. En el grupo de trabajo se determinan los escenarios: ms optimista y pesimista entre los ms probables.
iii. Elaboracin de un plan de accin para cada escenario seleccionado, que permita, en la medida de la variacin de las circunstancias, tomar medidas con la previsin adecuada. Interaccin con el
futuro
8. Evaluacin de las implicaciones de los escenarios al planeamiento estratgico que pueden ser de alcance:
Nacional o regional, por ejemplo en la:
Determinacin del futuro socio-econmico de una regin o pas.
Identificar campos de desarrollo y aplicacin de la tecnologa.
Caracterizacin de las tecnologas futuras en un sector determinado.
Futuro del comercio internacional: nuevas modalidades.
Caracterizacin de escenarios futuros de sectores industriales.
Empresarial en el anlisis y comprensin de las fuerzas que operan en el

entorno y que determinan o determinarn los escenarios en los que deben o debern gestionar las empresas. Algunos ejemplos:
Estrategia para la comercializacin de un producto o servicio.

Evaluacin de la factibilidad de un proceso de transferencia de
tecnologa.
Evaluacin de la factibilidad de una fusin o alianza.
9. Toma de decisiones. Interaccin con el futuro, acciones dirigidas al escenario ms favorable. Para lograr una efectiva toma de decisiones se debe:
Partir de un conocimiento profundo de las realidades del espacio a
caracterizar y de las herramientas y metodologas a emplear.
Manejar tanto la inteligencia organizacional, como la prospectiva,
los pronsticos y la simulacin de escenarios, consideradas stas
como herramientas estratgicas.
Emplear la simulacin de escenarios para predecir o generar futuros plausibles posibilitando la interaccin con ste, permitiendo
alcanzar una mayor competitividad.
Simular escenarios teniendo en cuenta que se trata de una de las
herramientas claves para la realizacin de pronsticos y la prcti-
116
ca de la prospectiva contribuyendo directamente en la reduccin

del nivel de incertidumbre.
2.
Seleccin de variables.
Los problemas que se abordan mediante simulacin discreta son ms complejos

que los sistemas tradicionales. En esos sistemas hay ms elementos, ms eventos
y ms estados. Por ejemplo, un puesto en una lnea de montaje puede estar en
diferentes estados: ocioso, trabajando, averiado, esperando a un operario, etc.
Igualmente, puede haber diferentes eventos: avera del puesto, fin de operacin,
comienzo de operacin, fin de reparacin, etc. La generacin de eventos y la modificacin de estados son aspectos nucleares de la simulacin de eventos discretos.
En el siguiente apartado se presentan todos los elementos de un modelo de simulacin de eventos discretos.
Para gobernar de forma sistemtica estos cambios, un modelo de simulacin consta de:
El estado de sistema, es decir, un conjunto de variables que permitan describir el estado de los diferentes elementos del sistema.
El reloj de la simulacin, que es un contador que guarda registro del instante en el que se encuentra la simulacin.
La lista de eventos, donde se almacenan los eventos que deben tener lugar
y cuando deben ocurrir (por ejemplo, la lista de eventos puede contener la
informacin siguiente cuando el reloj de la simulacin tome el valor 32.27
el llegar a una nueva llamada al sistema).
Un procedimiento de inicializacin, es decir, un programa para que el estado del modelo de simulacin sea el deseado.
Un procedimiento de actualizacin del reloj, para gobernar como avanza el
reloj de la simulacin.
Un procedimiento para la generacin de eventos, para generar eventos a
partir de la ejecucin de eventos previos y del cambio de estado de los
elementos del sistema.
Procedimientos para la generacin de valores de variables aleatorias.
Un generador de informes, que por defecto ofrece informacin sobre el
comportamiento del sistema (contadores, niveles de ocupacin, etc.)
El programa principal, que gobierna la ejecucin de todo el modelo e
invoca, cuando corresponde, a cada uno de los elementos interiores.
Todos los paquetes de simulacin comerciales incluyen estos elementos y facilitan
enormemente el desarrollo y la explotacin de modelos de simulacin.
Variables de entrada. Variables de salida. Parmetros
Toda la informacin requerida por los modelos se puede clasificar de la siguiente
manera:
Datos de entrada, que son aquellos datos que sirven para alimentar el
modelo, dentro de los cuales se pueden distinguir dos tipos.
Los datos sobre los cuales el decisor no tiene control. Constituida por
datos que no se puede modificar.
El valor de stock inicial, sobre el cual el decisor s tiene control. De
hecho, se realizan estudios para determinar valores mejores o ms
adecuados.
Datos de salida, que son los datos que se obtienen al ejecutar el modelo.
Estos tres grupos de datos aparecen en cualquier estudio de simulacin y se denominan, respectivamente, variables de entrada, parmetros y variables de salida.
117
En general, los datos que alimentan y los que se obtienen de un modelo se definen
de la siguiente manera.
Variables de entrada. Las variables de entrada son todos aquellos datos
de entrada sobre los cuales el decisor no tiene control. Por ejemplo: la frecuencia con la que llegan las llamadas de a un centro de atencin telefnica, el tiempo entre averas de una mquina, la demanda de un determinado
producto, etc.
Parmetros. Los parmetros son aquellos datos de entrada sobre los cuales
el decisor tiene control. Tpicamente, en un estudio de simulacin se trata
de obtener un conjunto de valores de los parmetros (es decir, una configuracin del sistema) satisfactoria o buena de acuerdo con algn criterio. Por
ejemplo: el nmero de puestos de atencin al cliente en una oficina, la cantidad de operarios con los que se cuenta en el sistema, el orden en que se
realiza un conjunto de operaciones (el embarque a un avin), etc.
Variables de salida. Las variables de salida son todos aquellos valores que
permiten conocer la bondad del funcionamiento del sistema estudiado. Como
se ha dicho, con el desarrollo de un estudio de simulacin se pretende obtener una buena solucin con respecto a algn criterio. Los valores de las
variables de salida permiten evaluar el sistema. Por ejemplo: el beneficio
derivado de una nueva instalacin, el nivel de saturacin de los controladores areos, la productividad de una lnea de montaje, etc.
Por ultimo, conviene notar que segn el estudio del que se trata un mismo elemento puede ser o bien una variable de entrada o bien un parmetro. Por ejemplo,
en el diseo de las instalaciones de un nuevo aeropuerto, la tasa de averas de las
mquinas que realizan el escaneado de las maletas puede ser un parmetro, ya
que en ese tipo de estudio se pueden emplear diferentes tipos de mquina, cada
una de ellas con su tasa de averas correspondiente. Sin embargo, en el rediseo
de las operaciones de control de equipaje de un aeropuerto existente (salvo si existe la posibilidad de invertir en nuevas mquinas), el dato de la tasa de averas es
una variable de entrada Para desarrollar de forma correcta un estudio completo de
simulacin, es importante, en cada caso, identificar cules son las variables de cada
tipo y cules son los parmetros.
Tema N 2: Creacin de una pgina de supuestos.
1.
Organizacin de los ambientes.
Dondequiera que se utilice la simulacin, es importante considerar la base conceptual para el uso. Por momentos, es fcil dejarse arrastrar por las posibilidades tcnicas de las herramientas, y las razones para utilizar la simulacin para ciertos objetivos podran no estar muy claras. En este texto, exploro los factores contextuales
que influyen en el uso de la simulacin.
Cualquier escenario de simulacin se integra en el contexto de un ambiente de simulacin. El ambiente de simulacin puede ser un curso, un ambiente de investigacin, una demostracin de simulacin; llamo ambiente de simulacin a todas las
actividades que renen gente en el tiempo y espacio alrededor de un simulador.
Los ambientes educativos tienen el objetivo de brindar oportunidades de aprendizaje para los participantes; los ambientes de investigacin apuntan a responder preguntas de investigacin; las demostraciones apuntan a difundir las novedades en
torno a la simulacin.
118
Cada ambiente de simulacin es una prctica social, en la que los humanos interactan entre s, con el simulador y con otros equipos de acuerdo a ciertas normas,
tratando de alcanzar objetivos individuales o compartidos. En un ambiente de
aprendizaje, por ejemplo, encontrar reglas para los instructores y alumnos. Los
instructores son responsables de crear las oportunidades de aprendizaje, mientras
que los alumnos son responsables de absorber esas oportunidades. Sus interacciones se basan en estas normas fundamentales y en otras adicionales. Cules normas
son realmente relevantes para el ambiente de aprendizaje depende adems del
contexto en el que se integren. Puede haber limitaciones y requisitos conceptuales
impuestos por los programas educativos en los que tiene lugar el curso; tambin
puede haber limitaciones fsicas en trminos del personal y del equipamiento disponible. Los programas educativos y recursos se ven influenciados por la profesin
que organiza la simulacin y finalmente tambin por la cultura nacional. Por ejemplo, existen diferencias considerables en la forma en que se ve la relacin instructor
alumno en los diferentes pases. El instructor puede ser visto como un maestro,
facilitador, entrenador, amigo, madre, etc.; el estudiante podra ser visto como un
socio, maniqu, cliente, carga de trabajo, etc. Cualquier uso de simulacin tendr
que tener en cuenta esos diferentes niveles de contexto, ya que dan forma a los
logros y objetivos y la forma concreta en la que se utiliza la simulacin.
El ambiente de la simulacin.
Un ambiente de simulacin en s mismo puede dividirse analticamente en diferentes fases, interconectadas. Se describir las fases, utilizando un curso basado en
simulacin como ejemplo.
Cualquier curso comienza en realidad antes de que lleguen los participantes, con la
sesin informativa previa. Con ella los participantes obtienen una especie de informacin previa acerca del curso y la simulacin en general que influir en sus expectativas. La informacin acerca del curso podra brindarse en la carta de invitacin o
volante, pero tambin por medio de participantes anteriores del curso, rumores
acerca del curso, y mediante muchas rutas y fuentes de informacin. Esto tambin
es vlido para la informacin acerca de la simulacin. Algunos participantes pueden
tener experiencias previas con la simulacin. Esta podra ser simulacin en atencin
de la salud, pero tambin el programa de simulacin de vuelos de la computadora
hogarea, paseos en simuladores en parques de diversiones, etc. Como consideracin prctica, es importante saber, entender y usar efectivamente las diferentes
rutas para brindar dicha sesin informativa previa. No todas las fuentes estn bajo
su control, pero algunas lo estn y es til usar efectivamente la sesin informativa
previa. Esto tambin puede lograrse enviando a los participantes, lecturas y material de aprendizaje previos al curso, preguntndoles sus expectativas, y solicitando
ciertos elementos de conocimientos previos, etc.
119
En la Introduccin al ambiente, llegan los participantes y reciben informacin acerca de qu se trata el curso, los potenciales y los lmites de la capacitacin basada
en simulacin, cmo se manejar el curso, etc. En esta fase, el principio es importante para establecer la escena para el curso completo. Cuanto ms activo sea el
comienzo, ms altas las posibilidades de que los participantes permanezcan activos
durante el curso. Tambin es importante crear una atmsfera positiva, de bienvenida, que pueda combinarse muy bien con desafos constructivos en el caso de potenciales para mejora. El ambiente de introduccin tambin es adecuado para investigar las expectativas que se formaron los participantes durante la sesin informativa previa y para corregir potencialmente las presunciones equivocadas o que
no sean tiles, por ejemplo, cuando los participantes tienen miedo de que se los
evale pero usted no tenga la intencin de hacerlo.
Durante la reunin informativa sobre el simulador los participantes llegan a conocer
el simulador y el entorno de simulacin. Escuchan cmo utilizar al simulador como
una herramienta tcnica, qu es normal en el simulador y cmo pueden interactuar con el entorno, solicitar ayuda, etc. Esta fase es muy importante para ayudar a
los participantes a aprovechar al mximo la experiencia de simulacin. Cuanto ms
cmodos se sientan con el simulador, menos asustados o tensos estarn durante el
escenario. Es importante tomarse suficiente tiempo en esta etapa y ayudar a que
los participantes pierdan el miedo con respecto a usar el simulador, un indicador de
calidad en esta fase, que puede verse fcilmente. Al principio, los participantes podran pararse lo ms lejos posible del simulador. Sin embargo, al final, estarn tomando el pulso, auscultando al paciente, examinando pupilas. El maniqu de plstico est camino a convertirse en paciente y se lo trata como tal.
El ingreso de teora puede o no ser parte de los cursos; en general, lo es. Los participantes obtienen un poco de informacin terica sobre el contenido del curso, ej.
principios de CRM (gestin de ritmo cardaco), algoritmos, antecedentes sobre drogas y procedimientos especficos. Es una tarea interesante que los instructores de
simulacin exploren los mtodos para brindar contenido terico por fuera del formato de conferencia. Hay muchos mtodos de aprendizaje activo disponibles; qu
le parece si le pide a los participantes que construyan un collage de imgenes que
describan los diferentes aspectos del contenido terico?
Durante las Reuniones informativas sobre los escenarios, los participantes reciben
informacin relacionada con el caso simulado en el escenario: Historia clnica del
paciente y problema, tareas a realizar, pero tambin el aqu y ahora del escenario: Dnde y cundo tiene lugar? Qurecursos hay disponibles? Los participantes
tambin obtienen informacin sobre su propio rol y los de la otra gente involucrada.
La Figura 2 brinda algunas preguntas que se utilizan en el teatro. Usted y los participantes idealmente conocen las respuestas a todas la preguntas despus de una
buena reunin informativa acerca de los escenarios (o tiene buenas razones educativas para dejar abierta alguna informacin). Si no estn disponibles todas las respuestas, los participantes tendrn problemas para entender el escenario, as como
a veces es difcil en el teatro entender lo que est pasando sobre el escenario. La
reunin informativa sobre el escenario ayuda a los participantes a ingresar a la
realidad del escenario.
Las preguntas que ayudan a crear un escenario comprensible son:
Quin est actuando?
Qu se est haciendo?
Dnde tiene lugar la situacin?
Cundo tiene lugar la situacin?
Por qu evolucion esta situacin?
Qu motivos sigue la gente?
Qu quiere obtener la gente?
120
Los escenarios forman la base del aprendizaje basado en la experiencia. El escenario y el debriefing (reunin para charlar sobre lo ocurrido), juntos forman el ncleo de la experiencia de aprendizaje durante la simulacin, (si las otras partes del
ambiente de simulacin admiten esta funcin). Los escenarios son ms que casos
clnicos. Durante el diseo y la conduccin del escenario, el equipo de simulacin
debera mantener los objetivos educativos en mente. El objetivo no es crear un
escenario realista; eso es slo un medio para algunos objetivos. Existen varios grupos, el nuestro incluido, que brindan ayuda para disear escenarios al proporcionar
guiones.
En muchos casos puede ser necesario alejarse del realismo para optimizar el
aprendizaje. Muchos elementos no realistas tienen alto valor educativo. La posibilidad de repetir directamente un caso no es realista, pero ayuda al aprendizaje. La
psicologa del paciente tambin puede cambiarse (ms obvia, ms complicada,
cambios ms lentos, etc.) para facilitar que los participantes logren el objetivo del
escenario. Como en una pelcula, a los costados del equipo de simulacin, debera
pasar poco o nada durante un escenario que no tenga un fin especfico para mejorar las oportunidades de aprendizaje de los participantes. Una regla de oro es mantenerlo sencillo. Los participantes con mucha frecuencia hacen algo inesperado que
hace que sea necesario salvar el escenario, traerlo de vuelta al plan original, o
quiz seguir la corriente y cambiar el escenario al vuelo, siempre que todava pueda
alcanzarse el objetivo.
Debera haber slo unas pocas ocasiones en las que sea necesario detenerse y volver a comenzar. Se pueden utilizar muchos rescatistas dentro de la lgica del escenario y por lo tanto de una forma que no interrumpa la experiencia. El que
desempea el papel de asesor podra estar volviendo a casa, escucha una conmocin en la sala de simulacin y simplemente aparece para ver lo que est pasando y
luego brinda un poco de ayuda en la resolucin del problema.
El debriefing, es la discusin facilitada del escenario, incluyendo las reflexiones
sobre la experiencia durante el escenario y los comentarios posteriores por parte de
los participantes activos mismos, posibles observadores as como el facilitador. El
debriefing es un elemento clave en la simulacin y distingue al ambiente de la
simulacin de muchos ambientes de aprendizaje clnicos y la prctica clnica. Brinda
el tiempo y marco para el anlisis sistemtico del escenario y lo que sali bien o no
tan bien. El facilitador gua la auto reflexin de los participantes y la suplementa
con comentarios en algunos casos.
Los puntos de aprendizaje auto descubiertos son ms importantes y la mayora del
tiempo, cubren en gran medida, los comentarios que brindara el facilitador. Existen
muchos mtodos y estructuras posibles de acuerdo a los cuales puede realizarse el
debriefing. Una estructura que demostr ser til en nuestra prctica fue descrita
por Barbara Steinwachs y describe tres fases en el debriefing: La fase de descripcin, en la que los participantes reconstruyen lo que sucedi durante el escenario.
Este es con frecuencia un momento impresionante, donde los miembros del equipo
descubren a travs del relato que percibieron el problema y el tratamiento del paciente de manera sustancialmente diferente.
Por ejemplo, algunos miembros del equipo podran en realidad no haber estado al
tanto del hecho de que se administr cierto medicamento. Las preguntas tpicas en
esta fase son: Qu sucedi? o Qu estuvo bien o no tan bien? La fase de anlisis, es donde el grupo escarba con mayor profundidad en las causas y razones
para las acciones que tuvieron lugar. Las preguntas aqu ayudan a los participantes
a explorar por qu tuvieron xito o no durante el escenario. Tienen en cuenta cmo
reproducir los puntos fuertes en otros contextos y cmo evitar los puntos dbiles la
prxima vez, o por lo menos evitar aquellas debilidades que tuvieron consecuencias
121
negativas reales para el paciente. Durante esta fase, tambin es posible desafiar al
grupo de forma constructiva.
Mediante la exploracin de los modelos mentales detrs de las acciones, a travs
del intercambio de opiniones abiertamente en una conversacin constructiva y con
sentido, los participantes y facilitadores pueden construir en forma conjunta un espacio de aprendizaje reflexivo que permita un aprendizaje ms profundo. Durante
el debriefing, idealmente, las acciones no slo se prescriben en el sentido de la
prxima vez, recuerda hacer x. La fase de anlisis consiste en ayudar a los participantes a averiguar, por qu no se hizo x y qu hara falta para que ellos hagan x la
prxima vez.
El simulacro de acciones no es el objetivo en muchos casos (aunque bien podra
serlo en algunos), sino que es un aprendizaje y cambio de los modelos mentales
bastante profundo. Otra pregunta interesante es cunto aprendizaje y cambio puede ocuparse de las cuestiones que van ms all de lo cognitivo, como las emociones, o las sensaciones corporales cuando se considera el aprendizaje. El objetivo
dominante es ayudar a los participantes a realizar aquellos cambios que incrementaran la seguridad y calidad de la atencin para sus pacientes.
Esto puede ser elementos de diagnstico clnico y tratamiento, pero tambin abarca
la comunicacin, administracin de recursos, conciencia de la situacin y otros aspectos orientados al factor humano. La seguridad siempre evoluciona de la interaccin entre lo humano, la tecnologa y la organizacin. Esta interaccin puede analizarse en el debriefing. En la fase de aplicacin, los participantes reflexionan sobre
los mensajes que pueden llevarse del escenario y el debriefing. Las preguntas
ayudan a explorar esos elementos deaprendizaje que pueden ser tiles en el ambiente clnico. El grupo tambin podra tratar las dificultades que pueden surgir
cuando los participantes tratan de aplicar en el ambiente clnico lo que aprendieron
en el ambiente de simulacin. Un debriefing tpico podra llevar aproximadamente
el doble de tiempo que un escenario. La finalizacin del cursopodra verse como el
debriefing en general. Durante esta ltima fase se cierra el curso, se realizan resmenes y los participantes obtienen alguna ayuda para aplicar lo que aprendieron
durante el curso. Nuevamente, podra debatirse lo que se pueden llevar del curso
los participantes y aplicar en la prctica clnica y cmo pueden lograr tal aplicacin
del aprendizaje durante el curso.
Para optimizar la educacin y capacitacin basadas en la simulacin, hay que optimizar de forma conjunta las fases interconectadas del ambiente de simulacin.
Donde la reunin informativa sobre el simulador tenga puntos dbiles, podran surgir inconvenientes durante los escenarios porque los participantes pueden tener
problemas en usar adecuadamente el simulador. En consecuencia, el debriefing
podra ser menos efectivo ya que los participantes podran perder la confianza en la
simulacin, o frustrarse porque no pudieron tratar al paciente lo mejor posible en
principio, etc. El rol del instructor de simulacin cambia a travs de las diferentes
fases del ambiente de simulacin, desde brindar instruccin al comienzo de un curso hasta facilitar el aprendizaje durante el debriefing, por ejemplo.
2.
Carga de entornos variables.
Partiendo de la premisa que sustenta que los contextos situacionales de actividad

no se hallan determinados por el contexto fsico, es ms, son creados por participantes en el contexto, se puede deducir que la actividad generada por los individuos, depende en gran medida de las circunstancias situacionales que confiere la
interaccin con la realidad. Ahora bien, es pertinente resaltar que las acciones que
componen una actividad no son slo ejecuciones de tipo prctico, sino tambin de
122
tipo sensorial, representativo, conceptual, lingstico o afectivo-emocional. Generalmente son la combinacin interfuncional de todas ellas.
En relacin con los programas de simulacin, estos pueden proveer un eje de conexin entre el conocimiento y el mundo. Por esto, la actividad de los individuos se
genera en la interaccin con el mundo y las relaciones causales de esta interaccin
en respuesta a un evento simulado de la realidad.
Otro punto que se debe tener presente, es que los contextos fsicos tambin modifican la accin de los actores en la actividad. Para este caso, los simuladores computarizados facultan un determinado tipo de posibilidades que permiten su diseo y
manipulacin a voluntad; permitiendo as que los usuarios generen actividad controlada dentro de unos fines particulares. Este aspecto se torna en un elemento
positivo para nuestro caso, pues posibilita que la actividad educativa sea premeditada y planeada para que el estudiante responda de una manera determinada en
relacin con la situacin y las posibilidades que el contexto le presenta. Con esto no
se dice que el simulador deba ser un plan secuencial que lleve de la mano al aprendiz, sino ms bien debe ser un entorno de oportunidades situacionales diseadas
para posibilitar el fin, que es educar.
Esta caracterstica permite disear modelos de instruccin dentro de la forma natural como las personas aprenden, pues, como se ha demostrado en variadas investigaciones, las personas inexpertas no actan segn planes (ni siquiera cuando haban ledo las instrucciones), sino sobre la base de conjuntos de destrezas previamente incorporadas que haban ido configurando en una trayectoria histrica de
acciones similares.
Desde lo anterior, no es concebible interpretar los entornos de simulacin como un
simple plan de instruccin, los entornos de simulacin deben ser vistos como elementos de realidad que posibilitan el desarrollo de los contextos de actividad e interaccin significativa. Esta perspectiva permite la construccin del conocimiento
desde la misma interaccin con el contexto, donde el conocimiento supone una
experiencia especfica y contextual [donde] nuestras acciones se producen no desde planes construidos racionalmente, sino sobre la base de nuestras propias destrezas incorporadas, que son sensibles al contexto.
En definitiva, la actividad al marco de los entornos de simulacin computarizada,
ha de verse como la interaccin con los artefactos e instrumentos bajo las circunstancias sociales que los envuelven y no slo como interaccin entre sujetos sociales
(...). Los recursos e instrumentos, sobre todo los objetos informticos y automatizados, son tambin mediadores y actuantes entre el mundo y los agentes. Asimismo, la actividad vista como la mediacin entre contexto situacional, individuos y
el medio circundante, exige unos elementos mnimos para su desarrollo, Por lo tanto, un diseo metodolgico apoyado con entornos de simulacin como contextos de
actividad, debe por lo menos posibilitar los siguientes elementos:
La percepcin e interaccin de y con la situacin.
Inmersin.
Participacin.
Colaboracin.
Aprehensin de los contenidos como cualidades perceptivas de los objetos,
materiales y procesos que componen la actividad; las relaciones especiales,
analgicas, casuales, asociativas o categoriales que mantienen con otros
elementos de la realidad.
El compromiso del aprendiz en la situacin.
El desarrollo de las acciones y operaciones que pueden ayudar a culminar la
tarea.
Con relacin al hecho de que la actividad es un producto de la interaccin del hombre con su entorno, la realidad simulada se torna en una oportunidad para que los
individuos ajusten los instrumentos psicolgicos y conceptuales a los requerimientos situacionales. Es decir, estos entornos potencian la mediacin instrumental so-
123
cialmente situada, convirtindose en el punto de apoyo para la generacin de actividad consciente y significativa. En palabras de Vygotsky, la formacin de los procesos psicolgicos y el pensamiento conciente de los hombres, es un evento socialmente situado en relacin con los acontecimientos que su entorno le impone.
Visto de esta manera, los entornos de simulacin computarizada -apoyados con un
adecuado diseo metodolgico-, proporcionan al aprendiz un contexto variado de
posibilidades situacionales que motivan a generar actividad significativa.
Aqu las herramientas psicolgicas se ponen a prueba mediante una exigente adaptacin y ajuste a las condiciones situacionales de la realidad simulada. Es pertinente
resaltar que las affordances que el entorno pedaggico le debe proporcionar al individuo, tienen que ser muy ricas, convirtindolo as en un contexto de creacin, interaccin, uso y aplicacin de herramientas y, por consiguiente, motor que genera
pensamiento consciente. Asimismo, y con ya se ha dicho, no se puede confundir
esto con proporcionar elementos construidos como piezas de rompecabezas para
que el aprendiz les junte camino a culminar la actividad. Lo que debe proporcionar
el contexto son las herramientas de mediacin, no la solucin, es decir, elementos
que permitan al sujeto interpretar la situacin y aprehender las oportunidades.
En anlisis realizado por Nardi, B. se resalta el valor de una actividad, as como la
reciprocidad que existe entre los niveles presentados por Leontiev, A. (actividad,
acciones, operaciones), y los elementos que integran la construccin de un pensamiento consciente. Esto es, las situaciones generan actividad, estas a su vez genera
acciones que se materializan en operaciones, pero estas ltimas en dependencia de
las circunstancias, generan nuevas acciones y nuevas actividades, y as sucesivamente.
Si la actividad se desarrolla al marco de eventos reales y significativos, resulta
siendo un evento altamente consciente.
Las acciones consisten en cadenas de las operaciones, que son rutinas habituales
bien definidas, usadas como respuestas a las condiciones generadas durante la ejecucin de la accin. Cada operacin es inicialmente una accin consciente, consistiendo las fases de la orientacin y de la ejecucin, pero cuando el modelo correspondiente es bastante bueno y la accin se ha practicado bastante tiempo, la orientacin de la fase estar en decadencia y la accin concurrir en una operacin, que
es mucho ms fluida. Al poco tiempo, se crea una nueva accin que tendr un alcance ms amplio y contendr la nueva operacin, recientemente formada como
una sub-parte. Por otro lado, cuando las condiciones cambian, se genera la operacin y vuelve otra vez al nivel de la accin consciente (de modo que no es un reflejo condicionado).
En el contacto de los individuos con un contexto de realidad, a diferencia de la interaccin que se desarrolla en un entorno descontextualizado, las actividades estn cambiando y se estn convirtiendo siempre. El desarrollo est ocurriendo en
todos los niveles; las nuevas operaciones se forman de acciones anteriores mientras que las habilidades de los participantes aumentan; correspondientemente, en
el nivel de acciones el alcance de nuevas acciones se est inventando y a la vez se
estn incrementando, se estn experimentando y se estn adaptando como respuestas a las nuevas situaciones o posibilidades encontradas en el proceso de
transformar el objeto..
Por otro lado, cabe resaltar que el desarrollo de la actividad est necesariamente
mediado por los artefactos, esto es, los artefactos son mediadores del pensamiento
y del comportamiento humano; mas no ocupan el mismo espacio ontolgico. Sin
embargo, los artefactos al igual que las herramientas sicolgicas se especializan y
desarrollan en la interaccin individuo-entorno, de modo que la actividad como un
124
proceso consciente, permite generar construcciones significativas a toda escala. As

pues, si visualizamos los entornos de simulacin como artefactos que posibilitan la
mediacin del individuo con su entorno, podemos ver en dicha relacin, una oportunidad para ajustar la actividad y los elementos que la conforman y a la especificidad situacional. De modo que en este caso, la actividad estar condicionada por las
posibilidades artefactuales y la relacin reglada de estas posibilidades con el entorno.
Otro elemento primordial dentro de un sistema de actividad, es el contexto cultural.
La cultura forma parte de un marco socialmente establecido, hecho que da estructura a lo que piensa, lo que dice y lo que hace. As pues, desde los sistemas de actividad, la condicin de miembro de una comunidad establece la forma como se
perciben los acontecimientos en dependencia de la interpretacin social y cultural.
En tal sentido, el individuo sita su comportamiento como miembro de esa comunidad, adaptndose activamente a la condicin cambiante de la situacin. Al respecto, la teora socio-cultural ha caracterizado la cultura como un legado de artefactos
destinados a mediar la conducta del hombre frente a su entorno situacional.
Por lo tanto, si se evala la interaccin con el entorno de simulacin desde sus posibilidades o limitaciones con relacin a la interpretacin cultural, podemos entortar
dos estadios:
Primero, si estos entornos son vistos como artefactos de mediacin dentro de la
actividad, la interpretacin que se genera est en total dependencia del contexto
sociocultural y no de ellos mismos, es decir, el valor y la interpretacin de dicho
artefacto depende del contexto cultural en el que es empleado.
Segundo, si estos espacios se consideran entornos de situacin, desde las posibilidades operativas que ellos facultan, dicha situacin est condicionada por el comportamiento real del sistema y por la interpretacin que le imprime el contexto cultural. Por lo tanto el simulador no condiciona su interpretacin, sta sigue siendo
cultural, adems que depender de las herramientas conceptuales que trae el
aprendiz y no propiamente de la simulacin.
Desde lo anterior, es pertinente resaltar que esta apreciacin est condicionada por
las posibilidades representativas de dicho entorno con relacin a la realidad. Por lo
tanto, si los simuladores computarizados responden a normas y reglas naturales, su
interpretacin parte del sujeto en relacin con la interpretacin de dicha realidad ya sea cultural, situacional, social o de actividad-.
Ahora bien, partiendo de la premisa que sustenta que la mediacin cultural y el
hecho de que el pensamiento se funde en la actividad implican la especificidad contextual de los procesos mentales, es de sospechar que los entornos de simulacin
no coartan dicha especificidad, pues la actividad emergente no se repite aunque los
eventos a simular sean los mismos. Esto se torna en una caracterstica positiva a la
hora reciclar el material dentro de la instruccin, pues la variedad de experiencias
est enmarcada dentro de las posibilidades que el diseo metodolgico le imprime.
En conclusin, los entornos de simulacin no impiden el flujo natural de la actividad, as como tampoco imponen un repertorio de interpretaciones socioculturalmente establecidas; por el contrario, solo responden a unas reglas naturales
de comportamiento con relacin a una situacin. De modo que, se puede a firmar
que estos entornos cobran significado en dependencia de la actividad y del grupo
socio-cultural en el que son empleados.
Otra caracterstica que hace de los entornos de simulacin una herramienta adecuada para ser integrada al proceso de enseanza y aprendizaje, es que estos espacios no coartan ni condicionan la interpretacin de la situacin ni la interaccin de
los actores dentro de la actividad. Por otro lado, la aprehensin del significado, del
contenido, y por consiguiente del aprendizaje, no es impuesta por el software o por
125
el profesor, estos elementos son construidos con relacin a la particularidad de dicho evento situacional que se genera de la interaccin con la simulacin.
Tema N 3: Documentacin del modelo

1.
Seleccin de la informacin relevante.
Resulta cuando menos curioso el hecho de que un concepto tan empleado como el
de recuperacin de informacin presente cierta confusin a la hora de establecer
una definicin que lo site adecuadamente dentro de este campo. Autores que mejor introducen este problema al considerar que se trata de un trmino que suele
ser definido en un sentido muy amplio.
En realidad, el profuso uso de este trmino, al igual que ocurre en otras disciplinas
con otros vocablos que tambin pueden parecer bsicos, ha propiciado que el mismo no se encuentre bien empleado en muchas ocasiones, ya que unas veces los
autores lo presentan como sinnimo de la recuperacin de datos llevada desde la
perspectiva de las base de datos.
Otro conjunto de autores expresan las diferencias que, a su juicio, presentan ambos conceptos (con lo cual la definicin de recuperacin de informacin queda, en
cierto modo, supeditada a la anterior), un tercer grupo de autores la define de forma muy genrica sin entrar en mayores consideraciones sobre estas diferencias, y
un cuarto y ltimo grupo pasa de largo sobre este problema, profundizando ms en
la explicacin de los sistemas de recuperacin de informacin (SRI en adelante).
El primer grupo de definiciones estn muy influenciadas por la tecnologa informtica, cuya evolucin ha inducido a considerar sinnimos ambos conceptos, llegndose
a olvidar que se puede recuperar informacin sin procedimientos informticos
(aunque no es lo ms comn hoy en da).
Aun as, el frecuente y necesario empleo de una tecnologa no debe sustituir el adecuado uso de los conceptos terminolgicos.
Un segundo grupo de autores fijan diferencias. Algunos autores piensan que la recuperacin de la informacin es una disciplina que involucra la localizacin de una
determinada informacin dentro de un almacn de informacin o base de datos,
implcitamente, se establece que la recuperacin de informacin se encuentra asociada con el concepto de selectividad, ya que la informacin especfica ha de extraerse siguiendo algn tipo de criterio discriminatorio (selectivo por tanto).
Otros redundan en esta tesis: una tpica tarea de la recuperacin de informacin
es traer documentos relevantes desde una gran archivo en respuesta a una pregunta formulada y ordenarlos de acuerdo con su relevancia. Del mismo modo, indican
que recuperar informacin es encontrar documentos relevantes, no encontrar simples correspondencias a unos patrones de bits.
En recuperacin de datos se emplean preguntas altamente formalizadas, cuya respuesta es directamente la informacin deseada. En cambio, en recuperacin de
informacin las preguntas resultan difciles de trasladar a un lenguaje normalizado
(aunque existen lenguajes para la recuperacin de informacin, son de naturaleza
mucho menos formal que los empleados en los sistemas de bases de datos relacionales, por ejemplo) y la respuesta ser un conjunto de documentos que probablemente contendr lo deseado, con un evidente factor de indeterminacin.
126
Segn la relacin entre el requerimiento al sistema y la satisfaccin de usuario, la

recuperacin de datos es determinista y la recuperacin de informacin es posibilista, debido al nivel de incertidumbre presente en la respuesta.
El xito de la bsqueda, en recuperacin de datos el criterio a emplear es la exactitud de lo encontrado, mientras que en recuperacin de informacin, el criterio de
valor es el grado en el que la respuesta satisface las necesidades de informacin del
usuario, es decir, su percepcin personal de utilidad.
Se destaca un aspecto importante de las reflexiones de Blair, la importancia, en
ocasiones ignorada, que tiene el factor de prediccin por parte del usuario, ya que
ste debe intuir, en numerosas ocasiones, los trminos que han sido utilizados para
representar el contenido de los documentos, independientemente de la presencia
de mecanismos de control terminolgico.
Este criterio es otro de los elementos que desempean un papel fundamental en el
complejo proceso de la recuperacin de informacin y que no se presenta en el
campo de la recuperacin de datos.
2.
Diseo y ejecucin de la narrativa.
Un diseo habr de corresponder a un instante de orden, es una forma que

concreta el proceso creativo y el de comunicacin . Pero esta forma no se
detiene, ya que nosotros, como creadores, continuamos pensando esa forma y
otras tantas maneras de modificarla, repetirla o mejorarla.
El diseo como objeto y mensaje, al igual que el espectador, tambin continan su
flujo abriendo paso a nuevas potencias que habrn de convertirse en actos (instantes o formas) para propiciar la aparicin de ms potencias .El creador de imgenes no puede darse el lujo de ignorar que su diseo responde a la presencia de
una problemtica inserta en un flujo . Es decir, una situacin producto de
un proceso histrico y de la concatenacin de tomas de decisin que obedecen a mltiples y complejos factores .
Adems, deber estar consciente de que la presencia de un objeto de diseo
propicia, como consecuencia, redes de conexiones de pensamiento y acciones
que, si bien pueden imaginarse como futuros escenarios probables, no pueden
determinarse . Incluso pensando en un momento presente, existirn muchas
variables que, a pesar de afectar en mayor o menor medida el funcionamiento de
nuestra produccin, permanecen ocultas de nuestra visin y su papel en el
flujo de los problemas de diseo podra quedar condenado al desconocimiento perene.
El tiempo como un flujo continuo es una condicin que permite la existencia de
ciertos elementos narrativos, principalmente la trama o lo que habr de ocurrir durante este movimiento temporal. Si la imagen esttica comprende un instante
en el tiempo, stas habrn de corresponder a un flujo continuo de imgenes que
no slo se suceden, sino que se conectan unas con otras generando una red que
puede interpretarse y tener sentido para el espectador, pero cuando esas imgenes
no ofrecen posibilidad de conexin, ya sea lgica o incluso ilgica (si consideramos
a la lgica difusa, por ejemplo), no logran formar un sistema capaz de ofrecer una
narrativa cohesionada; lo proyectado en pantalla se convierte entonces, en una
coleccin de retazos que se tocan pero no se integran .
La narracin no se trata de nada, es una suerte de eventos aislados producto del descuido en la construccin de la dimensin temporal del relato . La conexin
127
entre instantes queda olvidada y la historia desaparece .Con lo expuesto hasta

el momento se tiene claro en la mente lo siguiente: si con el diseo se quiere comunicar algo a alguien, ste debe de significar algo para ese alguien .Una de las
posibles rutas para lograr esto, es el diseo de narrativas visuales, entendidas stas como el diseo de estructuras de relaciones lgicas que permiten al usuario
conectar las imgenes presentadas con las propias y as poder dar sentido al mensaje expuesto.
La construccin de este sentido habr de ser un fenmeno realizado por la
memoria, capaz de conectar diversos instantes, esta conexin es un movimiento
que comprende la concatenacin de causas y efectos, de tal suerte que el espectador pueda comprender lo que ocurre en la pantalla frente a la cual se encuentra.
Aquello que ocurre se encuentra inscrito en el tiempo del relato .El tiempo con su
comprensin metafsica y cultural, permite la elaboracin de redes de conexin entre instantes que constituye un todo que fluye en continuidad con las cargas de
creencias, ideas e imgenes que las audiencias puedan tener.
Estos sujetos no slo habrn de poder realizar esas conexiones, sino tambin encontrar en ellas algn sentido que promueva la accin de su parte .Al obtener el
circuito anterior, la comunicacin deja de ser potencia para verse concretada en
acto .Lo anterior pertenece a la esfera de lo abstracto.
Para poder concretar en actos pedaggicos la construccin de un acceso a la exploracin de estructuras de ordenacin de la realidad, se propone la realizacin de tres
actividades: el estudio de la historia, la lectura de narrativas y el acto de ver. Parecern elementos fatuos, sin embargo, se encuentran atravesados por un estudio de
gran complejidad: el del tiempo.
Si bien el diseador puede dedicar su atencin a la elaboracin de imgenes fijas, el tiempo como flujo le permitir tener una comprensin mayor de su
contexto, ya que podr acceder a diversas lgicas por medio de las cuales, se ordenan (y desordenan) los elementos visuales en distintos entornos y a la manera en
que son significados por muy diversas clases de espectadores y usuarios .
Si se contina sesgando el estudio del diseo e inscribindolo exclusivamente en
una visin de los instantes inmediatos, el diseo habr de ser un proceso limitado
en el mejor de los casos .Al encerrarlo en posturas parciales y estticas, el diseo
grfico se aleja de una comprensin profunda de los fenmenos que aborda.
Queda impedida tambin la posibilidad de diagnosticar problemticas de manera
integral, as como la construccin de una visin estratgica .En general, una
visin fragmentada del flujo del tiempo no permitir construccin prospectiva
alguna con respecto a los procesos y objetos del diseo de la comunicacin grfica.
El diseo est siempre en movimiento y se trata de algo; el problema es que en
ocasiones, los diseadores pasan esos detalles por alto.
128
LECTURA SELECCIONADA N 1
Anlisis de la Entrada en Simulacin Estocstica.
David F. Muoz - Instituto Tecnolgico Autnomo de Mxico Mxico. Diana Villafuerte - The University of Texas at Austin USA.
INSTRUCCIONES:
1. Haz clic aqu para acceder al texto completo:
http://www.scielo.cl/pdf/infotec/v26n1/art03.pdf
TAREA ACADEMICA No 2:
Elaborar de un modelo de simulacin, con orgenes de datos e interfaz grfica de usuario.
INSTRUCCIONES:
1. Observa los videos:
https://www.youtube.com/watch?v=jB4IO9FGuiY
https://www.youtube.com/watch?v=Wml0hId802o
https://www.youtube.com/watch?v=_lKjWIxjcsI
https://www.youtube.com/watch?v=HNrCwUvaGmY
2. En base a los contenidos aprendidos en clase y de las video-clases
Elaborar de un modelo de simulacin, con orgenes de datos e interfaz grfica de usuario.
BIBLIOGRAFA
BASICA
Gordon G. (1984). Simulacin de Sistemas. Mxico: Diana.
Newell M. (1975). Tcnicas de simulacin en administracin y economa. Mxico:
Ed. Trillas.
Law A.M.,& Kelton W.D. (1991). Simulation Modeling & Analysis, United States of
America, New York: McGraw-Hill Inc.
Parry, J. H.,& Sherlock, P. (1976). Historia de las Antillas. Buenos Aires, Argentina:
Kapelusz.
Payne J. A. (1982). Introduction to simulation. United States of America, New York:
Mc Graw Hill.
129
SOKOLOWSKI J.A. (2009). Principies of Modeling and Simulation A multidisciplinary Approach. United States of America, New Jersey: Wiley and Sons Inc
Publication Hoboken.
THOMPSON J. R. (2009). Simulation A Modelers Approach. United States of America, New York: Wiley Inter-science Publication.
Watson H.J., & Blackstone J.H. (1989). Computer Simulation, United States of
America, New York: John Wiley & Sons.
Watson J.& Blackstone W. (1989). Computer simulation. United States of America,
New York: John Wiley & Sons.
COMPLEMENTARIA
Coss Bu R. (2003). Simulacin Un Enfoque Prctico. Mxico D.F.: Limusa S.A.
Creus A. (2008). Simulacin y Control de Procesos por Ordenador. Mxico: Alfa
Omega.
Fiera M. (2003). Modelado y Simulacin. Madrid: Ediciones UPC.
Garca F. (2005) Simulacin de Sistemas. Mxico D.F.: Compaia Editorial Continental S. A.
Gottfried, B.S. (1984). Elements of stochastic process simulation. United States of
America: New York: Prentice-Hall.
Hoover R. F. (1990). Simulation a problem-solving approach. United States of
America: New York: Addison Wesley.
Nigel G. (2006). Simulacin para las Ciencias Sociales Espaa: McGraw-Hill.
Kelton D. (2008). Simulacin con Arena. Mxico: McGraw-Hill.
Law M. A.,& Kelton W.D. (1991). Simulation modeling and analysis. United States
of America: New York: Mc Graw Hill.
Pazos J. (2003). Teora de Colas y Simulacin de Eventos Discretos. Madrid: Pearson Education.
Press W.H.,& Flannery B.P,& Teukosky S.A,& Vetterling W.T. (1992). Numerical
Recipes in C. United States of America, New York: Cambridge.
Ros D. (2008). Simulacin Mtodos y Aplicaciones. Madrid: Alfaomega Ra-Ma.
130

Simulacion A0430 PDF

Încărcat de

Informații document

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

Simulacion A0430 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD CONTINENTAL VIRTUAL

nuevas necesidades. El sistema para

Guillermo Elas Jaramillo Cabrera

TIEMPO MINIMO DE ESTUDIO:

UNIDAD I: INTRODUCCIN AL MODELADO Y SIMULACIN.

Utiliza los principios bsicos de la construccin

Diferencia los componentes de acuerdo a su

Entrega puntual de trabajos realizado.

Actividades desarrolladas en sesiones tutorizadas.

Criterios de evaluacin para

Dominio de las relaciones entre conceptos

Habilidad para comunicar conceptos a travs

Rbricas: del diagrama causal, de Forrester y del organizador del

Recursos Educativos digitales

UNIDAD I: INTRODUCCIN AL MODELADO

TEMA N 1: Principios bsicos de la construccin de modelos.

EVALUACIN de diseos alternativos de sistemas.

Tema N 2: Definicin de los principales componentes de los

Componentes tangibles: Las partes que componen un automvil

Suprasistema: El trmino se aplica a las entidades de las cuales

uno o varios suprasistemas en base al contexto del sistema bajo estudio.

El pensamiento sistmico como un lenguaje especial

Tema N 3: Estructuracin de los principales componentes de

2) Estocsticos: Si contiene una o ms variables aleatorias.

Formulacin del Problema. Definicin del problema y enunciado del objetivo

Construccin del Modelo. Abstraccin matemtica del problema

Obtencin de Informacin. Identificacin, especificacin y obtencin de

Desarrollo del Programa. Preparar el modelo para su procesamiento

Verificacin. Asegurar el correcto funcionamiento del programa

Validacin. Correspondencia entre el modelo y la realidad

Experimentacin. Uso del modelo para obtencin de resultados

Anlisis de Resultados. Inferencias y recomendaciones basadas en el modelo

Aplicaciones y usos de la Simulacin

En la experimentacin de prueba y error.

En la industria: En la capacitacin del personal.

El constante desarrollo de lenguajes y simuladores computacionales.

La flexibilidad del modelaje va simulacin.

Tema N 4: Ejecucin de un modelo de simulacin.

comporta ms adelante. En definitiva, tenemos la Nivel o Stock que llamaremos

Con el cursor hacemos click con el botn izquierdo en el icono de la variables de

En este caso la variable de flujo DEMANDA solo depender de la variable PEDIDO,

Supongamos ahora que en nuestro sistema de almacenaje o stock, el valor de INF

RUBRICA DE EVALUACIN DEL ORGANIZADOR DE CONOCIMIENTO.

Las ideas son poco

Los saberes estn

Los saberes estn

e. Un estudiante practicando lgebra.

UNIDAD II: PREPARACIN Y PRUEBAS SOBRE LOS MODELOS.

Al finalizar la unidad el estudiante presenta en el software de

Entrega puntual de trabajos realizado.

Actividades desarrolladas en sesiones tutorizadas.

Criterios de evaluacin para

Dominio de las relaciones entre conceptos

Disear y ejecutar pruebas sobre modelos diversos.

Habilidad para comunicar conceptos a travs

Rbricas: del modelo implementado en el software de simulacin.

BASE DE DATOS: SCIELO.

UNIDAD II: PREPARACIN Y PRUEBAS

TEMA N 1: Diseo de la realimentacin.

tervenir para ponerla a gusto de la persona, se desarrolla mediante mecanismos de feedback.

a.- Retroalimentacin negativa:

constantemente al sistema de algn punto de equilibrio hacindolo totalmente

TEMA N 2: Uso de la realimentacin.