Dinmica de Sistemas

Elementos y estructura de un modelo. Construyendo modelos

Profesor: Javier Torrealdea Ciencias de la Computacin e Inteligencia Artificial

Elementos y estructura de un modelo de Dinmica de Sistemas

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

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

modelos. Una vez construido el modelo, al simularlo en el ordenador, no se estar interesado en una respuesta cuantitativa precisa. La bsqueda de valores precisos de las variables no sera consistente ni con la realidad de los sistemas con los que habitualmente se trabaja ni con la filosofa general subyacente en la construccin del modelo. La informacin que se busca es ms bien de tipo cualitativo tal como tendencias al crecimiento o decrecimiento, al equilibrio o la fluctuacin y, especialmente, si cabe esperar y de qu pueden depender modificaciones radicales de estas tendencias. El acuerdo entre expertos que es necesario para construir un modelo posee otra dimensin de gran dificultad. La vida es infinitamente rica en interacciones, detalles y matizaciones que confluyen en una determinada situacin conflictiva. Un modelo de Dinmica de Sistemas se construye para arrojar alguna luz sobre los motivos de un comportamiento anmalo o simplemente, no siendo anmalo, sobre el que desearamos actuar o comprender. De la multitud potencialmente infinita de implicaciones que pueden confluir sobre nuestro problema debemos seleccionar un conjunto que sea manejable y que sea responsable en lo fundamental del comportamiento en cuestin. O dicho en otras palabras, debemos extender nuestro consenso no solo a las hiptesis introducidas sino tambin a la suficiencia de las mismas, teniendo presente que necesariamente infinidad de posibles implicaciones debern quedar fuera de nuestro modelo. Este es uno de los trabajos ms delicados que debe realizar el modelador y significa que debe abordarse con gran tiento la tarea de definir el propsito del modelo y la frontera del mismo. A menudo se critican modelos porque no pueden dar cuenta de aspectos para los que no fueron construidos. No estar de ms insistir en que no se puede evaluar un modelo mas que con referencia al propsito para el que ha sido construido. No podemos simplemente en abstracto decir que un modelo es bueno o es malo. La tarea ms importante del modelador es definir con precisin el problema que pretende ser abordado por el modelo. En palabras de Forrester: " La habilidad de la persona que decide usar un modelo se manifiesta inmediatamente. Su primera decisin es hacer preguntas pertinentes que tengan respuestas de inters. Las preguntas triviales no pueden menos que conducir a respuestas triviales. Las preguntas que son demasiado generales no sirven para centrar el problema. Las preguntas que son demasiado restrictivas pueden confinar la investigacin en regiones que no contienen ninguna respuesta. Las preguntas que son imposibles de contestar solo pueden conducir a desencanto". Elementos y estructura de un modelo En esta seccin presentamos cmo es la estructura de un modelo de Dinmica de Sistemas. En el primer apartado se hace una presentacin somera de los componentes de un modelo la cual se complementa, en el segundo apartado, con un comentario sobre su global. Diagramas causales Los primeros estadios de la conceptualizacin de un modelo requieren definir el propsito del mismo. En funcin de ello hay decidir qu elementos han de ser tomados en consideracin y cules de entre ellos estn relacionados de forma que lo que ocurre en uno afecta de manera inmediata al otro. Por cuanto nuestro inters se centra en la
4

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

Fig.1. Dependencia causal entre variables

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

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

Fig.2. Lazos positivo y negativo

Es importante notar que dinmicamente un lazo positivo tiende a producir situaciones de crecimiento o decrecimiento ilimitado, mientras que un lazo negativo tiende a producir equilibrio. Desde el punto de vista de la causalidad un modelo est siempre estructurado como un conjunto de lazos positivos y negativos interconectados entre s. El comportamiento dinmico del mismo depender de cmo se vaya produciendo la alternancia en el dominio entre la tendencia a crecer o decrecer de los unos y la tendencia al equilibrio de los otros. Tipos de variables Distinguiremos tres tipos de variables en funcin de su propio cometido en el modelo. Variables de nivel, variables de flujo y variables auxiliares. Los niveles suponen la acumulacin en el tiempo de una cierta magnitud. Son las variables de estado del sistema, en cuanto que los valores que toman determinan la situacin en la que se encuentra el mismo.
6

Los flujos expresan de manera explicita la variacin por unidad de tiempo de los niveles. No es siempre inmediato decidir cul de los tres tipos ser el apropiado para representar a un elemento determinado del sistema real en estudio. Pensar en un cierto nivel de agua y en un grifo que lo abastece es una buena metfora para mejor comprender los significados respectivos de estos dos tipos de variable. Las variables auxiliares son, como su nombre indica, variables de ayuda en el modelo. Su papel auxiliar consiste en colaborar en la definicin de las variables de flujo y en documentar el modelo hacindolo ms comprensible. Adems de las variables reseadas, en todo modelo habr tambin parmetros, o sea, variables que se mantienen constantes durante todo el horizonte temporal de ejecucin del modelo. Organizacin de las variables y parmetros. Representacin grfica Toda variable de nivel va unida a una o ms variables de flujo las cuales son responsables de la variacin de la primera. De hecho, un nivel slo cambia en cuanto se llena o vaca por los flujos que le afectan. Dejaremos que sean las figuras las que muestren al lector la representacin grfica de los componentes de un diagrama de flujo.

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

En la figura 3 puede verse un diagrama de flujo en abstracto y un ejemplo de un posible fragmento de modelo concreto con idntica estructura. En l aparece una variable de nivel junto con una variable de flujo que lo llena. Matemticamente la variable de flujo supone la variacin por unidad de tiempo del nivel y se representa con un cierto aspecto de vlvula que est controlando el fluir de la magnitud que se acumula en el nivel. Su valor se establece en funcin de una variable auxiliar y de un parmetro. A su vez, la variable auxiliar depende del nivel y de otro parmetro. Las lneas de informacin representan la direccin de las relaciones de dependencia entre las variables.
7

En todo sistema dinmico autnomo, la variacin de sus estados depende de los valores en que se encuentran dichos estados. Resulta pues natural que un modelo mantenga la siguiente organizacin: I. Las lneas de informacin tienen siempre como punto de partida inicial los niveles o los parmetros (al fin y al cabo un parmetro no tiene otra misin que la de informar de su valor) y como punto de destino final los flujos. Dicho de otra manera, las variables de flujo son funcin de los niveles y de los parmetros. II. Las variables auxiliares forman parte de los caminos de informacin. De hecho, usualmente aparecern variables auxiliares entre la informacin que arranca en los niveles y su destino final en los flujos. Estas variables van configurando la funcin que finalmente definir a un flujo, de manera que documentan en forma comprensible cada paso en el tratamiento de la informacin que determina la definicin de la variable de flujo.

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

10

(d)

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

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

11

( personas/mes) Contratacin ( personas) Personal en formacin ( unidades/persona*mes) Productividad Material bruto ( unidades)

Aprendizaje ( personas)

( personas/mes)

produccin ( unidades/mes) Material elaborado ( unidades)

Personal produciendo ( personas/mes)

Despidos

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

Ecuaciones Todas las relaciones entre las variables deben ser explcitamente cuantificadas. La forma ms frecuente de establecer la relacin entre dos variables es mediante una expresin analtica que proporciona la funcin que relaciona ambas variables. Poco ms puede decirse en abstracto a cerca de las ecuaciones por cuanto dependern muy especficamente de cada situacin particular. Conviene, no obstante, hacer un mnimo comentario referente a cada tipo de variable. Las ecuaciones de variables auxiliares pueden adoptar cualquier forma analtica si bien, por su propia naturaleza de variables aadidas para simplificar la descripcin, no tienen porque ser expresiones complicadas. Muchas veces no conoceremos la relacin algebraica precisa pero podremos tener un conocimiento expresable mediante una grfica. Esta grfica se traducir en una tabla en el momento de su implementacin. Esta forma de establecer dependencias es muy til cuando nuestro conocimiento de la relacin entre dos variables auxiliares tiene un carcter experimental y, tambin, cuando desconociendo la naturaleza exacta de la relacin deseamos introducir hiptesis plausibles para la misma. Poblacin euskaldun Relacin poblacin euskaldn Poblacin total
12

Porcentaje uso euskara

Tabla con los valores

Graph Lookup - Tabla con los valores 100

0 0 1

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

Las ecuaciones ms problemticas de decidir siempre son las correspondientes a algunos flujos. En particular a aquellos que definen las polticas del sistema. Tngase en cuenta que los cambios en el estado del sistema corresponden a los flujos. Por ello, los flujos son los puntos del modelo donde se plasman las decisiones importantes. Cul va a ser la poltica de contratacin, cul la de incremento de la inversin, de que dependen los contagios, son ejemplos de flujos tpicos. Una buena parte del esfuerzo de construccin del modelo deber dedicarse a la determinacin de estos flujos. Las ecuaciones correspondientes a los niveles son siempre iguales . Un nivel es siempre y por definicin la integracin de todos los flujos que le afectan. Tal es as, que estas ecuaciones pueden ser escritas automticamente por la mquina si se dispone del compilador adecuado. De esta manera, una vez establecidas todas las relaciones, si especificamos los valores que inicialmente tienen los niveles y atribuimos valores a los parmetros dispondremos de un conjunto de ecuaciones que el ordenador integrar numricamente para proporcionarnos la evolucin temporal de las variables. Dicho conjunto de ecuaciones es el modelo matemtico propiamente dicho. Existen compiladores de simulacin especficos de Dinmica de Sistemas. Resumen

13

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

Bibliografa Business Dynamics John D. Sterman, MacGraw-Hill, 2000. Modelling the Environment Andrew Ford, Island Press, 1999.

14

Introduction to computer simulation: a system dynamics modelling approach N. Roberts et al., Addison Wesley, 1983. Dinmica de Sistemas J. Aracil y A. Gordillo, Alianza Universidad, 1997. World Dynamics J.W. Forrester-Mit Press, 1974. Software project dynamics; an integrated approach T.Abdel-Hamid y S.E. Madnick-Prentice Hall 1991. Software para Dinmica de Sistemas: Vensim Ventana Systems,Inc., Harvard, Massachusetts.

15

Construyendo modelos

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

16

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

17

Ejercicio 3 Se trata de estudiar la conservacin de una determinada poblacin de ballenas sometida a una extincin importante por accin de la pesca. Si la poblacin se encuentra por debajo de un cierto umbral se tiene una situacin de subpoblacin. En esas condiciones las tasas de nacimiento bajan debido a que por la falta de densidad es difcil que se encuentren parejas, falta de proteccin para las cras etc. Si la poblacin se encuentra por encima de otro umbral mximo se tiene una situacin de superpoblacin que determina problemas de densidad relativamente elevada, por lo que los nacimientos totales tienden a estabilizarse mientras que las tasas de mortalidad tienden a aumentar. Se supone que la mortalidad debida a la pesca es proporcional a la poblacin total, pero que debido al aumento de eficacia en la tecnologa pesquera los sistemas de deteccin cada vez ms sofisticados pueden ir aumentando la constante de proporcionalidad. Se pide: Qu salida esperas obtener del ordenador? Dibjala. 1. Diagrama de flujo y ecuaciones. Se supone que podrs acceder a la informacin que necesites. No obstante, a falta de informacin exacta procura inventarte unos valores razonables para los parmetros que necesites. 2. Si un ao especialmente adverso muriesen un numero importante de ballenas, sea por motivos naturales o por fortuna de la flota pesquera, qu pasara? Dibjalo y comprubalo en la mquina.

18

Ejercicio 3. Ballenas

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

19

Units: ballenas Ballenasini= 3.1821e+006 Units: ballenas Catastrofe= (1/TIME STEP)*PULSE(1940,TIME STEP) Units: ballenas/ao Constante de pesca= 0.03 Units: uno/ao Densidad= Ballenas/Extension Units: ballenas/(kmetro*kmetro) Densidad de referencia= 0.01 Units: ballenas/(kmetro*kmetro) Densidad relativa= Densidad/Densidad de referencia Units: adimensional Efecto en muertes = muertesfun(Densidad relativa) Units: **undefined** Efecto en nacimientos = nacimientosfun(Densidad relativa) Units: **undefined** Extension= 1e+008 Units: kmetro*kmetro FINAL TIME = 2000 Units: aos INITIAL TIME Units: aos = 1850

Muertes= Ballenas*Tasa de muertes+0.4*Ballenas*Catastrofe Units: ballenas/ao muertesfun( [(0,0)-(4,5)],(0,1),(0.5,1),(1,1),(2,1),(2.22356,1.09649), (2.41692,1.25),( 2.54985,1.42544),(4,5)) Units: adimensional Nacimientos = Ballenas*Tasa de nacimientos Units: ballenas/ao nacimientosfun( [(0,0)-(4,2)],(0,0.5),(0.108761,0.719298),(0.217523,0.877193), (0.338369,0.964912 ),(0.5,1),(2,1),(2.18731,0.982456),(2.3565,0.938596), (2.53776,0.868421),(2.70695

20

,0.798246),(4,0.25)) Units: adimensional Pesca Units: **undefined** SAVEPER = 1 Units: aos Tasa de muertes = Efecto en muertes*Tasa normal muertes Units: uno/ao Tasa de nacimientos =Efecto en nacimientos*Tasa normal nacimientos Units: uno/ao Tasa normal muertes= 1/70 Units: uno/ao Tasa normal nacimientos= 1/14 Units: uno/ao TIME STEP = 0.0625 Units: aos

21

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

22

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

Introduccin de un producto en el mercado.

Vendedores
+ + +

Eficacia
-

Pedidos
Lazo positivo de vendedores Lazo negativo de eficacia +

Presupuesto

Retraso entrega

23

24

50 150 4,000

pedidos/(persona*mes) personas pedidos/mes

1 1 1 1 1 1 3 3 2 2 3 2 3 2 1 1 1 3 3 3 2 2

30 75 2,000

pedidos/(persona*mes) personas pedidos/mes

10 0 0

pedidos/(persona*mes) personas pedidos/mes 0 Eficacia en las ventas : Nominal Vendedores : Nominal 2 3 3 Pedidos : Nominal

3 3 2 2

16
1 2 3 2 3 1 2 3 1

32 48 Time (meses)
2 3

64

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

50 150 4,000

pedidos/(persona*mes) personas pedidos/mes

1 1 1

2 3 1 2 2 3 2 2 1 3 3 1 1 3 2

30 75 2,000

pedidos/(persona*mes) personas pedidos/mes

3

10 0 0

pedidos/(persona*mes) personas pedidos/mes 0

3 2

2 1

16
1 2 3 2 3 1

32 48 Time (meses)
2 3

64

Eficacia en las ventas : ajustevende 10 Vendedores : ajustevende 10 2 3 3 Pedidos : ajustevende 10

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

25

15

11.25

2 2 1 1 1 1 2 1 2 2 12 12 1 1 1 2 2 1 2 1 2 12 2

Simulation 7.5 Control Paramaters FINAL TIME = 72 Units: meses INITIAL 3.75 TIME = 0 Units: meses SAVEPER = 0.0625 12 12 Units: meses TIME STEP = 0.0625 Units:0 meses

12

24

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

36 Time (meses)
1 2 1 2 1 2

48
1 2 1 2 1 2

60 meses meses

72

Plazo de entrega : ajustevende 10

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

26

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

27

Ejercicio 5. Meseta Kaibab

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

28

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

29

30

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

31

Caza = Predadores * Tasa caza * STEP ( 1, 1907) Ciervos = INTEG( Crecimiento ciervos - Predacin , 4000) Ciervos matados = f ciervos matados ( Densidad ciervos ) Crecimiento ciervos = Ciervos * Tasa ciervos Crecimiento hierba = Efecto heladas * ( Capacidad hierba - Hierba ) / Tiempo crecimiento Crecimiento predadores = Predadores * Tasa predadores Densidad ciervos = Ciervos / Extensin Disponibilidad alimento = Alimento per cpita / Alimento necesario Efecto heladas = f heladas ( Time ) Extensin = 800000 f ciervos matados ( [(0,0)-(0.1,120)],(0,0),(0.01,10),(0.0181269,21.7105),(0.0283988,38.8158) ,(0.041994,66.4474),(0.0510574,82.8947),(0.0598187,92.7632),(0.0728097,98.6842) ,(0.1,100) ) f heladas ( [(1900,0)-(1950,1)],(1900,1),(1931.57,1),(1931.57,0.3),(1934,0.3) ,(1934,0.5),(1934,0.5),(1935,1) ) f hierba comida ( [(0,0)-(4,4)],(0,0),(1.00302,2),(1.29305,2.54386),(1.54683,2.84211) ,(1.71601,2.91228),(1.94562,2.98246),(2.39275,2.98246),(2.98489,2.98246) ,(4,3) ) f tasa ciervo ( [(0,-1)-(4,0.4)],(0,-1),(1,0),(1.18557,0.109155),(1.42268,0.16831) ,(1.74227,0.2),(2,0.2),(3,0.2),(4,0.2) ) f tasa predadores ( [(0,-1)-(15,0.2)],(0,-1),(3.78866,-0.243662),(4.76804,-0.104225) ,(6,0),(7.28093,0.043662),(9.02062,0.0690141),(13.6598,0.1),(15,0.1) ) f tiempo creci ( [(0,0)-(1,20)],(0,20),(0.0463918,15.6338),(0.0876289,12.2535) ,(0.154639,8.30986),(0.242268,5.91549),(0.35567,3.94366),(0.458763,2.25352) ,(0.548969,1.40845),(0.652062,1.05634),(0.744845,0.84507),(0.837629,0.56338) ,(0.93299,0.528169),(1,0.5) ) Hierba = INTEG( Crecimiento hierba - Pastoreo , 540000) Hierba comida ciervo = f hierba comida ( Disponibilidad alimento ) Pastoreo = Ciervos * Hierba comida ciervo Predacin = Ciervos matados * Predadores Predadores = INTEG( Crecimiento predadores - Caza , 300) Salud terreno = Hierba / Capacidad hierba Tasa caza = 0.3 Tasa ciervos = f tasa ciervo ( Disponibilidad alimento )

32

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

Graph Lookup - f tiempo creci 20

0 0 1

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

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

33

Graph Lookup - f tasa ciervo 0.4

-1 0 4

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

Graph Lookup - f tasa predadores 0.2

-1 0 15

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

Graph Lookup - f ciervos matados 120

0 0 0.1

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

34

100,000 100 600,000 60 50,000 50 300,000 30 0 0 0 0

1 3 2 4 3 3 3 3 3 1 3 4 2 4 2 1 1 1 1 1 4 2 2 4 2 4 3 2 4 2 4 2 4 2 4 1 3 1 1

3 1 3 2 4 1 3 2

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

1915
1 2 3 4 1 2 3 4

1925 Time (aos)

1 2 3 4 1 2 3 4 1

1935
1

1 2 3 4 2 3 4

1 2 3 4

2 3

35

Ejercicio 6 Cortes en el suministro de herona aumentan la delincuencia El Diario Donostiarra 24/Enero/2001 Donostia- La prxima vez que oiga que ha habido una redada policial y que una cantidad considerable de herona ha sido aprehendida no crea que las calles de la ciudad, su coche o su piso van a estar por ello ms seguros. De hecho, un estudio reciente del trfico de herona en San Sebastin demuestra que cuanto ms se controla el mercado de herona resulta ms probable que usted sea robado o que su casa sea desvalijada por un adicto necesitado de su dosis. El estudio, que va a hacerse pblico en menos de una semana, ha sido realizado por la Comisin para el estudio de las drogas dependiente de la Direccin de Sanidad del Gobierno Vasco. Dada su importancia, muy probablemente tendr repercusiones ms all del mbito de nuestra ciudad. Dicho estudio proporciona la primera evidencia estadstica que pone en entredicho la creencia comn de que un aumento de la presin policial para reducir el suministro de herona debe conducir a una reduccin de la delincuencia. Por el contrario, el estudio muestra que los embargos de herona conducen, tan slo, a precios ms elevados y que como resultado de la subida del precio la delincuencia aumenta. Las cifras muestran que como resultado de una subida de un 10% en el precio de la herona la delincuencia aumenta, en promedio, un 3% siendo esta cifra superior en las zonas menos cntricas de nuestra ciudad. El estudio se ha basado en un anlisis de los precios de la herona y el nmero de delitos relacionados con la droga a lo largo de un periodo de 40 meses desde junio de 1997 hasta setiembre de 2000. Los datos sobre precios se han obtenido de la Brigada de Narcticos de la Ertzaintza y las estadsticas sobre delincuencia provienen de los ordenadores de la Polica Municipal de San Sebastin. La Comisin para el estudio de las drogas admite que "una comunidad que tuviera xito en eliminar o virtualmente eliminar, su suministro de herona podra solucionar su problema de drogo delincuencia en no mucho tiempo" . No obstante, esto no se ha conseguido en ningn sitio y la polica lo que consigue es capturar grandes alijos de droga que reducen tan slo temporalmente el suministro de herona. "Aunque el sentir convencional mantiene que tales esfuerzos conducen a una reduccin de la delincuencia", dice el estudio, algunas personas que conocen mejor el escenario de la herona creen que ocurre precisamente lo contrario. Segn ellos, "xitos marginales en reducir el suministro de herona conducen a mayor, no menor, ndice de delincuencia". La Comisin concluye que su estudio sobre trfico de herona en San Sebastin "sugiere que el sentir convencional es errneo y que la gente ms familiarizada con el problema de la herona est en lo cierto. Es decir, reducciones temporales en el suministro y en la disponibilidad de herona no producen la reduccin de delincuencia que los responsables polticos y el pblico en general quieren, semejantes esfuerzos producen un incremento en la delincuencia que nadie desea".

36

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

37

Modelo

Consumo de herona

38

Precio de la herona

Adictos y delitos

39

Ecuaciones

******************************** Adictos y Delitos ******************************** Adictos = INTEG( Cambio adictos , 2000) Units: Adictos Cambio adictos = ( Capacidad soportable - Adictos ) / Tiempo ajuste Units: Adictos/semana Flujo de ajuste de los adictos a la capacidad soportable. Capacidad soportable = Herona promedio / ( Dosis normal * Relacin normal ) Units: Adictos Nmero de adictos que pueden mantenerse con normalidad con la herona promedio. Delitos = Adictos * Frecuencia de delitos Units: Delitos/semana Dinero necesario = Dosis normal * Precio Units: Pesetas/(semana*adicto) Dinero semanal necesario para mantener su hbito por adicto. Dinero por delito = 30000 Units: Pesetas/delito Dinero que un adicto obtiene por trmino medio por delito. f ajuste ( [(0,0)-(1,26)],(0,2),(0.0592784,6.77465),(0.113402,10.4366), (0.185567,15.0141), (0.273196,18.8592),(0.360825,21.9718),(0.443299,23.8028), (0.518041,24.6268),(0.713918,25.3592) ,(1,26) ) Units: semanas Tabla que da el tiempo de ajuste de drogadictos en funcin de la disponibilidad. Frecuencia de delitos = Dinero necesario / Dinero por delito Units: Delitos/(semana*adicto) Numero de veces por semana que un adicto debe delinquir para sostener su adiccin. Herona promedio = SMOOTH ( Herona , 52)

40

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

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

41

Entrada de herona = Consumo promedio * Efecto precio en entrada * ( 1 - Presin policial ) Units: Gramos/semana f consumo ( [(0,0)-(4,4)],(0,0),(0.103093,1.30986),(0.154639,1.77465), (0.247423,2.29577),(0.340206,2.66197) ,(0.402062,2.85915),(0.463918,3.05634),(0.556701,3.23944), (0.680412,3.38028),(0.824742,3.4507) ,(1,3.5),(2,3.5),(3,3.5),(4,3.5) ) Units: Gramos/(semana*adicto) Tabla de consumo per cpita en funcin de la disponibilidad f policia ( [(0,0)-(250,1)],(0,0),(53.4794,0),(75.3866,0.0246479),(89.5619,0.0598592), (106.314,0.144366) ,(117.268,0.323944),(125,0.5),(125.644,0.75),(247.423,0.75) ) Units: adimensional f precio en entrada ( [(0,0)-(6,5)],(0.123711,0.0528169),(0.340206,0.299296), (0.634021,0.616197) ,(1,1),(1.29897,1.25),(1.79381,1.74296),(2.33505,2.25352),(2.87629,2.65845), (3.44845,3.02817) ,(4.05155,3.23944),(4.62371,3.32746),(5.01031,3.39789),(5.98454,3.4331) ) Units: adimensional Efecto del precio en la entrada de herona. Un precio elevado indica simultneamente un dficit de la misma y un mercado atractivo por lo que se incrementar el flujo de entrada. Herona = INTEG( Entrada de herona - Consumo - Aprehensin , 28000) Units: Gramos Herona a la venta. Presin policial = f policia ( Time ) * Activador 1 Units: adimensional Relacin = Herona / Demanda Units: semanas Relacin herona a la venta entre demanda total. Relacin normal = 4 Units: semanas El tiempo que se prev como deseable para aguantar sin nuevo suministro. Por debajo de la cantidad de herona que permite aguantar ese tiempo el mercado empieza a alarmarse y a considerar que la herona comienza a escasear. ******************************** .Precio de la herona ******************************** Ajuste precio = ( Precio instantneo - Precio ) / Tiempo ajuste precio Units: Pesetas/(semana*gramo)

42

Flujo de ajuste del precio real al precio instantneo que es el que corresponde al equilibrio para esas condiciones de mercado. Efecto disponibilidad en precio = f disponibilidad en precio ( Disponibilidad ) Units: adimensional f disponibilidad en precio ( [(0,0)-(4,5)],(0,5),(0.113402,3.67958),(0.195876,2.95775), (0.412371,2.02465) ,(0.608247,1.51408),(1,1),(1.75258,0.9),(2,0.9),(3,0.9),(4,0.9) ) Units: adimensional Efecto de la disponibilidad en el precio de la herona. El mercado no suele descender el precio cuando la disponibilidad aumenta, s al revs. Precio = INTEG( Ajuste precio , 16000) Units: Pesetas/gramo Precio instantaneo = Efecto disponibilidad en precio * Precio normal Units: Pesetas/gramo Precio que corresponde segn el mercado a la disponibilidad dada. Le llamo instantneo en el sentido de que es el que debera ser si el mercado se ajustase instantneamente. Pero, no lo hace, lleva un cierto tiempo que el precio sea el que corresponde. Precio normal = 16000 Units: Pesetas/gramo Precio normal de un gramo. A largo plazo, podra tomarse como un nivel. Precio percibido = SMOOTH ( Precio , 2) Units: Pesetas/gramo Promedio del valor del precio en los ltimos tres meses. Relacin precio = Precio percibido / Precio normal Units: adimensional Relacin que nos dice si el precio est ms alto o ms bajo de lo normal. Tiempo ajuste precio = 1 Units: semanas El tiempo de ajuste es muy pequeo en el mercado de herona. De hecho puede que los efectos se noten de un da para otro. ******************************** .Control ******************************** Simulation Control Paramaters FINAL TIME = 250 Units: semanas The final time for the simulation.

43

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

Graph Lookup - f ajuste 26

Tabla que da el tiempo de ajuste de drogadictos en funcin de la disponibilidad de herona.

0 0 1

Graph Lookup - f disponibilidad en precio 5

0 0

44

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

Graph Lookup - f consumo 4

Tabla de consumo per cpita en funcin de la disponibilidad

0 0 4

Una aprehensin aislada de herona en t=2

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

2 2

2 2 2 2 2

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

2 3

2 1 31 3

2 1

3 1

3 1

1 1 1

31

31

20,000 Gramos 10,000 Pesetas/gramo 2,000 Delitos/semana 0 Heroina : Normal Precio : Normal Delitos : Normal
1 2 3 2 3

1
1 2 3 1

2
1 2 3

3
1 2 3 2

4
1 2 3

5
1 2 3 3

6
1

7 8 9 Time (semanas)
1 2 3 2 3 1 2 3 1 2 3 1 2

10
1 2 3

11
1 2 3

12
1 2 3

13
1

14

15

Gramos Pesetas/gramo Delitos/semana

45

Accin policial intensa que imposibilita la entrada de herona

40,000 60,000 20,000 2,000 20,000 30,000 10,000 1,000 0 0 0 0

Gramos Pesetas/gramo Delitos/semana Adictos

1

4 4 2 4 2 2

Gramos Pesetas/gramo Delitos/semana Adictos Gramos Pesetas/gramo Delitos/semana Adictos 0

2 3 2 3 2 3 2 3 2 3

1 4 1 2 2 3 1 1 3 3 3 3 3 3 1 1 1 1 4 4 4 3 4

25
1 2 3 4 2 3 4 1

50
1 2 3 4 2

75
1 2 3 4 3

100 125 150 Time (semanas)

1 2 3 4 4 1 2 3 4 1 2 3 4 1 2 3

175
1 2 3 4 4

200
1 2 1

225

250

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

Gramos Pesetas/gramo 3 Delitos/semana 4 Adictos

46