DINÁMICA DE SISTEMAS

“La gestión está en transición, desde un arte basado solo en la experiencia, a una profesión basada en una estructura subyacente de principios y ciencia” (Jay Forrester)

“La Dinámica de Sistemas es una metodología [...] que ofrece resultados más rápidos y fiables que otras formas tradicionales de percibir la realidad” (Juan Martín García)

---

Una Nueva Disciplina: System Dynamics
La Dinámica de Sistemas (DS) es una disciplina creada por Jay Forrester en los años 1950s que estudia el comportamiento dinámico de todo tipo de sistemas complejos (comercial, biológico, social, psicológico, económico, etc.) basado en las relaciones causales que existen entre los elementos de un sistema. Para ello utiliza una mediante una metodología que permite la creación de modelos de simulación por ordenador para facilitar la toma de decisiones. La simulación es esencial para verificar de modo práctico las teorías e hipótesis establecidas en los modelos.

La DS pone énfasis en las causas y sus interrelaciones. Vivimos en un mundo complejo donde todo está interrelacionado, donde hay relaciones de causa-efecto, pero también relaciones en donde las causas pueden estar lejanas en el espacio y el tiempo. También múltiples causas pueden producir un mismo efecto.

Para Forrester, un sistema dinámico es un conjunto de elementos interrelacionados de tal manera que un cambio en un elemento produce un cambio en todos los demás elementos, es decir, en el sistema como totalidad. Aunque los elementos son simples, la estructura formada por todos ellos produce la complejidad, con un comportamiento no-lineal. Además, el comportamiento del sistema como totalidad no se puede explicar por el comportamiento de sus partes. En los sistemas complejos intervienen gran cantidad de variables interrelacionadas.

Los fundamentos filosóficos, teóricos y técnicos de la DS se encuentran en 3 importantes disciplinas: la Cibernética, la Informática y la Teoría General de Sistemas. La primera por su conceptos clave de realimentación y control. La segunda por el concepto de modelo computacional. La tercera por el pensamiento sistémico y su concepto de sistema general. La DS es un tipo de pensamiento sistémico.


Características de los sistemas dinámicos

• Analogía hidrodinámica.
  Se establece un paralelismo entre los sistemas dinámicos y los hidrodinámicos (la dinámica de fluidos), constituidos por depósitos (stocks) intercomunicados por canales, con flujos, con o sin retardo, y con el concurso de factores exógenos. El estado del sistema en un instante dado t está determinado por los niveles de los depósitos. Un depósito que está fuera del sistema se representa por una nube. El flujo puede tener 3 direcciones: 1) desde un depósito a otro; 2) desde un depósito a una nube (p.e. muertos); 3) desde una nube a un depósito (p.e. nacimientos).
  
  Hay válvulas (llaves) que regulan el flujo que circula entre dos depósitos. Los flujos hacen aumentar o disminuir el nivel de los depósitos. La decisión sobre el nivel de apertura de las válvulas se toma teniendo en cuenta solo los niveles de los depósitos en cada instante t.
  
  La DS se ocupa solamente de los sistemas que evolucionan de forma continua y determinista. Las decisiones (acciones) se realizan a nivel externo y son fenómenos superficiales discretos sobre una estructura interna continua.
  
  
• Relaciones de realimentación.
  Las relaciones de realimentación entre dos elementos A y B son de dos tipos:
  
  
  1. Realimentación positiva A →⁺ B, que indica que A influencia a B en el mismo sentido, es decir, que si A aumenta, B también, y cuando A disminuye, B también disminuye. La realimentación positiva implica crecimiento continuo y desviación progresiva del equilibrio. Es el efecto “bola de nieve”. Ejemplos: 1) El número de nacimientos y la población. Cuanto más nacimientos, mayor población. Y al haber más población, la tasa de nacimientos aumenta; 2) El interés de una cuenta bancaria y el capital de la cuenta. Cuanto más interés, mayor capital se acumula, que a su vez produce más interés.
     
     
  2. Realimentación negativa A →⁻ B, que indica que A influencia a B en sentido contrario. Cuando A aumenta, B disminuye, y cuando A disminuye, B aumenta. La realimentación negativa está basada en un objetivo, que es el alcanzar el equilibrio. Ejemplos: 1) Un termostato que regula la temperatura de una habitación. A menor temperatura de la habitación, mayor nivel del termostato, y a mayor temperatura de la habitación, menor nivel del termostato; 2) Un sistema de producción entre el almacenamiento (stock) de un producto y el ritmo de producción. A menor stock, mayor ritmo de producción, y a mayor stock, menor ritmo de producción.
  
  El concepto de realimentación o circularidad es central en cibernética, pero en DS lo que se tiene es una estructura compleja de bucles de realimentación.
  
  Un sistema hiperestable es un sistema formado por múltiples bucles de realimentación negativa, en el que toda acción que intente modificar un elemento del sistema se contrarresta, no solo por el bucle en el que se encuentra dicho elemento, sino por todo el conjunto de bucles negativos que actúan en su apoyo.
  
  
• Relaciones causales. Las relaciones causales se indican mediante A→B, que indica que A determina B. En los sistemas simples, causa y efecto suelen estar próximos en el espacio y el tiempo. En los sistemas complejos, la causa puede estar alejada en el espacio y el tiempo. Las relaciones correlativas son relaciones que existen entre los elementos sin que exista una relación directa causa-efecto.
  
  
• Diagramas.
  Hay dos tipos de diagramas: los diagramas causales y los diagramas de flujo (o diagramas de Forrester).
  
  Hay autores que creen que los diagramas causales tienen poca o nula utilidad; que el diagrama de flujos es mucho más explícito y útil, pues muestra con claridad los flujos existentes en el sistema. Sin embargo, el diagrama causal sirve como modelo conceptual inicial y permite pasar con más facilidad al diagrama de flujos, que es un diagrama de detalle.
  
  
• Variables.
  Los elementos de un sistema se representan mediante variables. Un modelo está determinado por las variables y las relaciones entre ellas. Las variables son de dos tipos: endógenas y exógenas. A su vez, las variables endógenas son de 3 tipos: 1) variables de nivel; 2) variables de flujo; 3) variables auxiliares. Las relaciones entre variables es compleja porque hay variables que no están ligadas directamente por una relación causa-efecto.
  
  Las variables de nivel son equivalentes a las variables de estado interno de un sistema. Constituyen la memoria de un sistema dinámico. Indican el nivel de los depósitos, y cambian lentamente en respuesta a las variaciones de las variables de flujo. Una variable de nivel no puede influir directamente en otra variable de nivel si no es a través de un flujo.
  
  Las variables de flujo (rates) son variables que determinan las variaciones de las variables de nivel. Reflejan las acciones que se toman en el sistema y que tienen como efecto variaciones en el nivel de los depósitos. Están asociadas a las válvulas de la analogía hidrodinámica. Toda variable de nivel de depósito tiene asociada al menos una variable de flujo.
  
  Una variable de flujo F se suele expresar como un producto: F = F_n·M·N (en todo instante t), en donde F_n es el flujo normal, M es un multiplicador o factor del flujo normal y N es el nivel del depósito asociado. En general, M suele ser el producto de varios multiplicadores M_i, cada uno función de una variable V_i.
  
  El flujo más simple es una expresión de la forma ObjetivoNivel/T, en donde T es el tiempo necesario para alcanzar el objetivo (el nivel que se desea de un depósito).
  
  Las variables de flujo dependen de las variables de nivel, de las auxiliares y de las exógenas. La unidad de flujo es UnidadDeNivel/UnidadDeTiempo.
  
  Las variables auxiliares son variables que representan pasos intermedios en los que se descompone el cálculo de una variable de flujo a partir de los valores de los niveles. Suelen representar conceptos individuales y facilitan la comprensión y la definición de las variables de flujo.
  
  Las variables exógenas son variables cuyos valores son independientes de las del resto del sistema. Cada valor representa una acción del medio externo sobre el sistema. Las variables exógenas aparecen como factores en las variables de flujo.
  
  
• Eventos.
  Puede haber eventos discretos y continuos. Los eventos discretos son los exógenos. Los eventos continuos son producidos por los diferentes flujos que circulan por los canales, aumentando o disminuyendo los depósitos.
  
  
• Retardos (delays).
  Existen retrasos temporales de comunicación entre los elementos. Por ejemplo, cuando disminuye el precio de un producto súbitamente, el número de unidades vendidas no aumenta instantáneamente, sino que se produce un retardo en el efecto, debido a que la percepción del cambio requiere un cierto tiempo (retardo en la transmisión de información), y también hay un retardo en en la llegada de los nuevos productos al mercado (retardo en la transmisión física).
  
  
• Cambios endógenos.
  Los cambios en un sistema son siempre internos. Las causas están contenidas dentro de la propia estructura del sistema. Las perturbaciones exógenas son informaciones que hacen disparar las causas internas del sistema. Un sistema de la DS es causalmente cerrado. No hay más causas que las internas.

Modelos

Un modelo es una representación de un sistema real. El valor de un modelo reside en su capacidad de aportar una mayor comprensión del sistema (a nivel interno o profundo) que observando el sistema real (a nivel externo o superficial), así como de predecir el comportamiento del sistema bajo diferentes condiciones, lo que sirve para tomar las decisiones más adecuadas.

Un modelo de DS consta de un conjunto de elementos y un conjunto de relaciones que especifican las interacciones entre los elementos. En los modelos DS es esencial la variable tiempo.

Un modelo de un sistema debe reflejar el modelo de la mente. Según Forrester, en su obra “Industrial Dynamics” de 1961, un modelo mental es un modelo que representa en nuestro pensamiento a un sistema real. Cada uno de nosotros llevamos un modelo mental del mundo: un conjunto de conceptos y relaciones con los que representamos internamente un sistema real. Este modelo está en constante evolución.

Tradicionalmente, los modelos eran de tipo matemático, que se expresaban mediante un conjunto de ecuaciones diferenciales. Con el advenimiento de los ordenadores, los modelos actuales son de tipo computacional.

El desarrollo de un modelo DS requiere dos figuras: 1) el experto, el conocedor del problema o del sistema real, que aporta el modelo conceptual; 2) el modelador, el diseñador del modelo formal que se implementará en ordenador.

Como la DS es una teoría genérica de los sistemas complejos, se ha sugerido que podría servir también como modelo de la mente o como fundamento matemático de la complejidad de la mente.


Arquetipos sistémicos

Los arquetipos sistémicos también denominados “estructuras genéricas son patrones o modelos genéricos de comportamiento cualitativo que se presentan en muchos sistemas y en dominios diferentes. Los problemas sistémicos no son únicos; hay patrones de comportamiento que se repiten. Este tema es uno de los que aborda Peter Senge en sus libros “La Quinta Disciplina” y “La Quinta Disciplina en la Práctica” [Senge, 1993, 1995].

Los arquetipos sistémicos fueron desarrollados por Innovation Associates a mediados de los años 1980s, aunque algunos de estos arquetipos ya fueron descritos en las dos décadas anteriores por Forrester y otros pioneros del pensamiento sistémico.

• Constituyen una de las aportaciones teóricas más importantes del pensamiento sistémico. Estos arquetipos sistémicos facilitan la práctica del pensamiento sistémico. Al ser patrones cualitativos, son más comprensibles.
  
  
• Son estados de conciencia asociados a situaciones sistémicas especiales. Permiten tomar conciencia de un problema sistémico y corregirlo modificando a la vez el sistema y el pensamiento o modelo mental asociado. Los arquetipos sistémicos hacen explícitas muchas situaciones que antes solo se intuían. Se denominan “puntos de apalancamiento” a los estados en los que hay que aplicar las acciones correspondientes para superar los problemas sistémicos.
  
  
• Se basan en la estructura “estado deseado - estado actual - diferencia - acción”. Cuando hay diferencia entre el estado actual y el deseado, se requiere aplicar una acción para aproximar el estado actual al estado deseado. Las acciones pueden ser de realimentación positiva (o reforzadora) o de realimentación negativa (compensadora). Para ver el resultado de las acciones hay que considerar que pueden existir demoras entre la acción y el resultado de esa acción.

En la actualidad se han identificado varios arquetipos sistémicos. Muchos están interrelacionados. Podemos mencionar los siguientes, en donde los dos primeros arquetipos son los más básicos que pueden aparecer en un sistema.

1. Ciclo reforzador (realimentación positiva).
   Un variable clave del sistema se acelera hacia arriba o hacia abajo.
   
   
2. Ciclo compensador (realimentación negativa).
   El sistema se mueve directamente hacia un objetivo, sin demora. O bien, el sistema se mueve de forma oscilante, debido a la demora, hacia un objetivo.
   
   
3. Compensación entre proceso y demora.
   Se realiza una acción con el fin de conseguir el objetivo deseado, pero aparentemente no se aprecia ningún progreso, por lo que se realizan más acciones del mismo tipo, que son más de las necesarias. El problema es que no se es consciente de que hay una demora entre la acción y la respuesta del sistema. Este arquetipo revela el concepto esencial de demora.
   
   
4. Límites del crecimiento o crecimiento sigmoidal.
   Se trata de un bucle de realimentación positiva que actúa en un principio como dominante que hace que el crecimiento sea exponencial. Este proceso se encuentra con unos límites que produce un agotamiento del proceso de crecimiento, produciéndose un bucle negativo que anula los efectos del anterior, proporcionando estabilidad al sistema acercándolo asintóticamente a un valor límite. El patrón de crecimiento es sigmoidal y es una curva que tiene 2 subcurvas o subpatrones: 1º) primero, un crecimiento exponencial; 2º) un crecimiento más moderado y que se hace finalmente asintótico. Entre ambos hay un punto de inflexión que conecta las dos subcurvas. Ejemplos de sistemas que exhiben este comportamiento son: la difusión de un rumor, la propagación de una enfermedad infecciosa, la introducción de una nueva tecnología, etc.
   
   
   
5. Adicción.
   El estado real de un sistema se iguala al deseado cuando se acude a un elemento externo con el fin de alcanzar el resultado de una forma más rápida.
   
   
6. Desplazamiento de la carga.
   Se realiza una acción para eliminar los síntomas de un problema porque se necesita una solución rápida, fácil y eficaz. Se desplaza la carga del problema a esta solución superficial, con resultados aparentemente positivos, pero no se ataca el problema de fondo. Con el tiempo, se crea una dependencia de la solución sintomática y se atrofia la capacidad de actuar para una solución definitiva.
   
   Caso especial: desplazamiento de la carga hacia la intervención (hacia el factor externo).
   
   Cuando el desplazamiento de la carga se basa en una intervención externa, hay un alivio de los síntomas, pero los responsables del sistema no aprenden a afrontar los problemas fundamentales, de fondo.
   
   El sistema recibe ayuda para lograr su estado deseado de otro sistema externo. Este sistema externo es autónomo y puede no facilitar ayuda en un momento dado. La iniciativa de la ayuda es del sistema externo. En la adicción, en cambio, la iniciativa es del propio sistema.
   
   
7. Erosión de objetivos.
   Cuando hay un desplazamiento de la carga hacia una solución a corto plazo, se deteriora el objetivo fundamental a largo plazo.
   
   La erosión de objetivos también se produce cuando para conseguir el estado deseado se necesita consumir muchos recursos o se considera imposible alcanzarlo, por lo que se replantea el estado deseado disminuyéndolo o haciéndolo incluso igual al estado actual.
   
   
8. Escalada.
   Dos sistemas compiten, pues se considera que su bienestar depende de lograr una ventaja relativa de uno sobre el otro. Cuando un se adelanta, el otro se siente amenazado y actúa para recuperar su ventaja, lo que amenaza al primero, que reacciona de la misma manera, y así sucesivamente.
   
   
9. Éxito para el que tiene éxito.
   Dos sistemas compiten. A mayor éxito de un sistema, mayor respaldo obtiene, quedando el otro relegado. Un éxito es el motor de más éxitos.
   
   
10. Resistencia al cambio.
    Ante un cambio novedoso, la respuesta del sistema es de rechazo.
    
    
11. Tragedia del terreno común.
    Varios sistemas compiten por un recurso común limitado. Al principio todo va bien, pues se satisfacen las necesidades y los objetivos. A medida que el recurso se agota, los objetivos se alejan, lo que induce a intensificar esfuerzos para conseguir más recursos. Finalmente, se produce la tragedia: el recurso se agota o queda seriamente erosionado, sin capacidad de regeneración.
    
    
12. Soluciones rápidas que fallan.
    Una solución rápida y eficaz a corto plazo tiene consecuencias a largo plazo imprevistas.
    
    
13. Soluciones contraproducentes.
    Se aplica una solución rápida para aliviar los síntomas temporalmente. Esta solución parece funcionar al principio, pero el problema reaparece después. Se vuelva aplicar la misma solución que parecía funcionar al principio, pero el problema vuelve a aparecer, agravándose progresivamente.
    
    
14. Adversarios accidentales.
    Varios grupos consideran que deben de colaborar para mejorar el rendimiento de todos ellos. Finalmente se enfrentan por diferencias de criterios.
    
    
15. Crecimiento rápido y subinversión.
    El crecimiento se aproxima a un limite. Para impedir la reducción del crecimiento, se necesita realizar una inversión rápida e intensa. Pero lo que se decide es rebajar las expectativas realizando una subinversión, lo que conduce a expectativas aún más bajas.

MENTAL vs. Dinámica de Sistemas
Podemos comparar MENTAL con DS en los siguientes aspectos:

• Pensamiento sistémico.
  LA DS es un tipo de pensamiento sistémico. MENTAL representa el pensamiento sistémico por excelencia porque es un sistema −o metasistema−, formado por los arquetipos primarios y sus posibles relaciones, con el que pueden desarrollarse todo tipo de sistemas, incluyendo los modelos de DS.
  
  Los verdaderos arquetipos sistémicos son los arquetipos primarios de MENTAL que establecen los grados de libertad. Los que se denominan “arquetipos sistémicos” son arquetipos secundarios, derivados de los primarios.
  
  
• Lenguaje y paradigma.
  Forrester ideó un lenguaje gráfico bidimensional para realizar el diseño de modelos mediante bloques (depósitos, flujos y válvulas). Bajo su dirección, también se creó un lenguaje formal y un software (Dynamo) en el MIT, para desarrollar modelos de DS. Pero este lenguaje está limitado al paradigma DS. En cambio, MENTAL es un lenguaje formal general que cubre el paradigma DS o cualquier otro paradigma sistémico, permitiendo desarrollar todo tipo de sistemas.
  
  MENTAL permite utilizar varios paradigmas para modelar un sistema, no solo el paradigma hidrodinámico, que es solo un paradigma más; no es un paradigma universal. Se puede utilizar el modelo funcional, relacional, objetual, de aspectos, de agentes, etc. MENTAL, como tal, es un sistema y un paradigma universal.
  
  
• Simplicidad.
  Los conceptos de la DS son simples y fácilmente comprensibles. Ahí radica su poder y su éxito, por su facilidad de diseño de modelos y por utilizar conceptos próximos a la mente. Evita el tener que usar ecuaciones diferenciales MENTAL también utiliza conceptos simples, pero de mayor nivel de abstracción. La complejidad resulta de la combinación de elementos y relaciones simples.
  
  
• Modelo de la mente.
  MENTAL es un modelo de la mente y un modelo universal (el de los mundos posibles) con el que se puede modelar todo sistema particular, incluyendo los modelos DS. El modelo DS es un modelo de la mente poco preciso y limitado. En realidad, es un paradigma particular, no un paradigma universal. Con MENTAL, se elimina el gap semántico entre el modelo mental de un sistema y el modelo formal.
  
  MENTAL permite crear modelos DS de manera simple, directa y natural. Los diagramas podrían ser incluso innecesarios. Con MENTAL se unifica el modelo conceptual y el modelo operativo en un solo lenguaje. También se diluye la distinción entre modelo y programa.
  
  
• El tiempo.
  Como el tiempo es esencial en un modelo DS, y dado que el tiempo pertenece al mundo físico −por lo que MENTAL lógicamente no lo contempla−, suponemos que la variable t (tiempo) pertenece al sistema y está actualizada permanentemente desde el medio externo. Es decir, t es un elemento común al sistema y al entorno.
  
  El sistema no puede modificar el valor de t, pero puede acceder a su valor. En MENTAL, un retardo absoluto de tiempo se puede implementar así:
  
  ⟨( Retardo(r) = (t1 = t) // valor del tiempo inicial

(t2 = t1+r) // valor del tiempo final

(c =: (t<t2 → c)) // bucle de espera
)⟩
  
  
• Relaciones.
  MENTAL permite expresar fácilmente toda clase de relaciones entre variables, no solo las causales, sino las funcionales, de compartición, entrelazamiento, etc. Las interrelaciones entre variables se pueden especificar mediante expresiones genéricas: realimentación positiva y negativa, relaciones causales, flujos, etc. En todo momento se tiene el valor de una variable en función de otras, incluyendo las condiciones. La actualización es inmediata y continua. Se pueden especificar magnitudes en depósitos y flujos, es decir, que incluyen cantidades y unidades, por ejemplo, 514*pieza, 12*(pieza÷hora), etc.
  
  Ejemplos de relaciones de realimentación positivas:
  
  ⟨( x(t + dt) = f*x(t) )⟩ (crecimiento exponencial (f>1)
  
  ⟨( x(t + dt) = (x(t) + dx) )⟩ (crecimiento lineal)
  
  Ejemplos de relaciones de realimentación negativas:
  
  ⟨( x(t)>r → x(t + dt) = (x(t) – s) )⟩ (compensación descendente)
  
  ⟨( x(t)<r → x(t + dt) = (x(t) + s) )⟩ (compensación ascendente)

Otras ventajas del paradigma MENTAL frente al paradigma DS:

• Se diluye la frontera entre sistema y sistema externo. Además, el lenguaje del sistema y del medio externo es el mismo.
  
  
• Se diluye la distinción entre variables endógenas y exógenas (como el tiempo).
  
  
• MENTAL permite modelar sistemas continuos y discretos. También permite modelar relaciones cualitativas.
  
  
• El propio sistema puede tomar decisiones (como en IA), además de las decisiones externas.
  
  
• Se pueden especificar expresiones difusas, modales, de lógica generalizada, etc.
  
  
• Permite especificar todo tipo de estructuras de datos y de procesos (reglas, funciones, procedimientos, etc.).
  
  
• Permite la interactividad con otros sistemas e incluso la compartición de recursos entre diferentes sistemas.

---

Adenda
Historia de la DS

La DS se creó en la Sloan School of Management del MIT a mediados de los 1950s para la comprensión y gestión de los procesos industriales. La primera aplicación (realizada por Forrester, ingeniero de sistemas del MIT) fue el análisis de la estructura industrial de una empresa norteamericana (Sprague Electric), fabricante de componentes electrónicos en la que se producían desconcertantes oscilaciones en los pedidos. Forrester aplicó técnicas de investigación operativa y realizó simulaciones con el método de Montecarlo (un método estadístico para aproximar expresiones matemáticas complejas), pero no consiguió descubrir la causa de tales oscilaciones. Finalmente, descubrió que la causa era una combinación de estructuras de realimentación y retardos en la transmisión de información.

Por sus orígenes industriales, la DS fue inicialmente denominada por Forrester “Industrial Dynamics” (Dinámica Industrial), el título de la obra de Forrester publicada en 1961, que se considera el arranque formal de esta nueva disciplina.

En 1971, Forrester publicó “World Dynamics” (Dinámica del Mundo) y “Urban Dynamics” (Dinámica Urbana) en 1976, obras en las que se muestra cómo el modelado DS es aplicable a los sistemas sociales y a los sistemas de ciudades, respectivamente.

Forrester, junto con otras personalidades, fundó en 1968 el Club de Roma, una organización internacional cuyo principal objetivo es concienciar de que el actual sistema del mundo es insostenible y está abocado al colapso.

En la década de los 1970s se realizó un informe titulado “Los Límites del Crecimiento”, basado en los resultados aportados por la DS, especialmente inspirado en el modelo de la dinámica del mundo de Forrester. Este informe fue encargado por el Club de Roma al MIT, y publicado en 1972. Su principal autora fue Donella Meadows, bióloga y científica ambiental y especializada en DS. Es informe prevé que, bajo una gran variedad de escenarios, un crecimiento exponencial conduciría a un colapso económico durante el siglo XXI. Este informe contribuyó a popularizar la DS a nivel mundial.

Actualmente la DS cuenta con un gran número de aplicaciones. Se utiliza para el análisis y diseño de todo tipo de sistemas complejos en campos muy diversos, como economía, política, medio ambiente, salud, procesos industriales, gestíón de negocios, ciencias sociales, seguridad y defensa nacional. La DS se ha hecho indispensable en la toma de decisiones de los sistemas complejos.

La Systems Dynamics Society es una organización internacional sin ánimo de lucro dedicada a promover la difusión, el desarrollo y la utilización de la DS y el pensamiento sistémico en el mundo. Organiza conferencias anuales y publica la revista The System Dynamics Review.


Software para DS

Existen un software diverso para DS: simuladores y lenguajes de programación. Los más importantes son:

• Dynamo (DYNamic MOdels).
  Fue el primer lenguaje de simulación de DS. Desarrollado en el MIT a finales de los 1950s para mainframe por Jack Pugh, bajo la dirección de Forrester. A principios de los 1980’s se creó una versión para ordenador personal. Dynamo se utilizó para las simulaciones que se reflejaron en el informe “Los Límites del Crecimiento”.
  
  
• Stella y iThink, de iSee Systems.
  Stella es un software para el desarrollo de modelos de simulación de DS de tipo científico y educativo. iThink está orientado a modelos económicos y de gestión de empresas. Ambos disponen de un interfaz gráfico intuitivo basado en iconos.
  
  Stella apareció en 1985 para equipos Mac y constituyó una verdadera revolución, pues permitía diseñar modelos DS de forma visual (especificando las relaciones entre los elementos), en lugar de utilizar el lenguaje de programación Dynamo.
  
  
• PowerSim, de PowerSim Software.
  Software de simulación de DS. Está orientado al área empresarial: modelos financieros, de gestión de clientes, de producción, de recursos humanos, etc.
  
  
• Vensim, de Ventana Systems.
  Software para el desarrollo de modelos de simulación de DS. Los modelos se pueden construir en modo gráfico o en modo texto.
  
  Dispone de una versión para ordenador personal: PLE (Personal Learning Edition). Esta versión es gratuita (no caduca) y dispone de un software, Model Reader, que permite distribuir los modelos desarrollados. Este software es el que se utiliza para fines educativos y de investigación en la Sloan School of Management del MIT.
  
  
• SimCity, de Maxis (una división de Electronic Arts).
  Es un juego de estrategia de simulación de construcción, gestión y evolución de ciudades. Se dio a conocer en 1989. Fue diseñado por Will Wright, que reconoció la influencia de la DS y las ideas de Forrester. Posteriormente aparecieron más juegos de simulación en otros dominios como SimFarm, SimLife, SimHealth, SimAnt y Civilization. Se reconoce la utilidad de los juegos, pero deben estar embebidos en un entorno de aprendizaje.

La Dinámica de Sistemas se ha popularizado principalmente a través de Stella y SimCity.


Bibliografía

• Aracil, Javier; Gordillo Álvarez, Francisco. Dinámica de sistemas. Alianza Editorial, 2007.
  
  
• Doyle, James K.; Ford, David N. Mental Models Concepts for System Dynamics Research. Internet, 1998.
  
  
• Forrester, Jay Wright. Industrial Dynamics. Pegasus Communications, 1961.
  
  
• Forrester, Jay Wright. World Dynamics. Productivity Press, 1971.
  
  
• Forrester, Jay Wright. Urban Dynamics. MIT Press, 1976.
  
  
• Forrester, Jay Wright. Principles of Systems. Productivity Press, 1988.
  
  
• Forrester, Jay Wright. Collected Papers of Jay Forrester. Pegasus Communications, 1975.
  
  
• Forrester, Jay Wright. Learning through System Dynamics as Preparation for the 21st Century. Internet, 1994.
  
  
• Glick, Marc; Duhon, Terry. Generic Structures: S-shaped growth I. MIT, 1994. Disponible en Internet.
  
  
• Lobontiu, Nicolae. System Dynamics for Engineering Students: Concepts and Applications. Academic Press, 2010.
  
  
• Martín García, Juan. Teoría y ejercicios prácticos de Dinámica de Sistemas. JMG, 2003. Disponible en Internet.
  
  
• Martín García, Juan. Ejercicios avanzados en Dinámica de Sistemas. JMG, 2008.
  
  
• Martín García, Juan. Sysware. La toma de decisiones empresariales en un mundo complejo. JMG, 2011.
  
  
• Martínez, Silvio; Requena Rodríguez, Alberto. Simulación dinámica por ordenador. Alianza Editorial, 1988.
  
  
• Meadows, Donella H. Thinking in Systems: A Primer. Chelsea Green Publishing, 2008.
  
  
• Morecroft, John. Strategic Modelling and Business Dynamics: A Feedback Systems Approach. Wiley, 2007.
  
  
• Ogata, Katsuhiko. System Dynamics. Prentice Hall, 2003.
  
  
• Palm III, William. System Dynamics. McGraw-Hill Science/Engineering/Math, 2009.
  
  
• Randers, Jorgen (ed.). Elements of the System Dynamics Method. Productivity Press, 1980.
  
  
• Ruth, Matthias; Hannon, Bruce; Forrester, Jay W. Modeling Dynamic Economic Systems (Modeling Dynamic Systems). Springer, 1997.
  
  
• Senge, Peter M. La Quinta Disciplina. Granica, 1993.
  
  
• Senge, Peter M. La Quinta Disciplina en la Práctica. Granica, 1995.
  
  
• Sterman, John; Sterman, John D. Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw-Hill/Irwin, 2000.
  
  
• Tessem B.; Davidson P.J. Fuzzy system dynamics: an approach to vague and qualitative variables in simulation. System Dynamics Review, vol 10, no. 1, pp. 49-66, Spring 1994.