SIMULADOR DE EMPRESAS
|
|
 Contacto |
 Inicio |
 |
SIMULADOR DE EMPRESAS
Las personas son muy competentes en percibir la realidad y muchos de los matices que en ella se contienen. De hecho llevan millones de años basando su propia supervivencia en ello. En cambio a los ordenadores necesitan hacer un extraordinario esfuerzo para percibir mínimamente la realidad y los resultados son realmente pobres. Pero los ordenadores tienen una capacidad muy importante de la que las personas no están dotadas, y es la de poder determinar la evolución temporal de un sistema que incluye cientos o miles de relaciones. Para que las personas podamos utilizar esta capacidad que tienen los ordenadores hemos de introducir en ellos de alguna forma nuestra percepción de la realidad que hemos resumido y plasmado en el diagrama causal. Como veremos en este capítulo sólo necesitamos hacer sólo una transformación del diagrama causal, de forma que le demos la estructura de un diagrama de flujos. Esta transformación es puramente mecánica y no presenta grandes dificultades. En el siglo XXI ya todos somos muy conscientes de que vivimos en una realidad muy compleja y rápidamente cambiante, y que este fenómeno se acentúa año tras año. Para tomar las decisiones que continuamente se nos requieren acudimos a nuestros conocimientos técnicos, a nuestra experiencia y a la intuición. Esta última se basa en los modelos mentales que tenemos previamente elaborados. No obstante estos modelos mentales no siempre nos acercan a la solución del problema ya que aún en los casos más sencillos la solución puede ser lo que Jay Forrester llama contraintuitiva es decir opuesta a nuestra intuición. Como indica al respecto Ludwig von Bertalanffy , para quien desea hacer ciencia y sólo ciencia, cualquier otra pregunta posterior carece de sentido. "Quod non est in formula non est in mundo". Tal es la única posición legítima para la ciencia. No obstante, si queremos ir más allá en nuestra comprensión nos queda solamente una analogía que nos permite concebir ese algo que es irrelevante para el físico; nos queda la analogía con la única realidad que conocemos directamente, la realidad de nuestra experiencia inmediata. Toda interpretación de la realidad es, empleando la expresión kantiana, una aventura de la razón. Por ello hay sólo una alternativa posible: o bien renunciamos a cualquier interpretación en torno a la esencia de las cosas, o si intentamos una interpretación, debemos ser conscientes de su carácter analógico, ya que no tenemos la menor prueba de que el mundo real sea de la misma naturaleza que el que nos ofrece la experiencia interior. En las frecuentes ocasiones en las que nos enfrentamos a una realidad con un número de parámetros limitados y sobretodo cuantificables, acudimos a los modelos formales, los cuales nos permiten actuar con razonables probabilidades de éxito. Ahora bien, ante situaciones complejas, con un incierto número de parámetros difícilmente cuantificables, podemos acudir a un tipo de modelos menos formales pero que nos permitan obtener una visión más estructurada del problema, sus aspectos más críticos, y posibles vías de solución. Al respecto dice Lynda M.Applegate, que los actuales ordenadores están diseñados para tratar información de un modo secuencial, instrucción por instrucción. Esta aptitud funciona bien, si el problema o la tarea se estructura y puede subdividirse en una serie de etapas. No funciona bien para tareas complejas, no estructuradas, que implican intuición, creatividad y discernimiento.
La Dinámica de Sistemas encuentra sus principales aplicaciones en estos entornos complejos y poco definidos, donde intervienen las decisiones del ser humano que suelen estar guiadas por la lógica. Recordemos que la ciencia actual se basa sobre fenómenos que han de ser medibles y reproducibles. Pues bien, como conocen los especialistas en márketing, las personas se comportan también según unas determinadas leyes, bastante bien medibles y reproducibles, que son las leyes del mercado (más demanda origina precios más altos, etc.).
A propósito de estos aspectos indica Javier Aracil en su libro "Introducción a la dinámica de sistemas", que los modelos para ordenador pueden hacer algo que les está negado a los modelos mentales: pueden mostrar las consecuencias dinámicas de las interacciones entre componentes del sistema. Cuando se trata de extraer las consecuencias de ciertas acciones, empleando modelos mentales, se corre el peligro de extraer unas conclusiones erróneas. La intuición no es fiable cuando se abordan problemas complejos.
Una posible razón de ello es que se tiende a pensar en términos de relaciones causa a efecto unidireccionales, olvidando la estructura de retroalimentación que ciertamente existe. Al preparar un modelo para un ordenador hay que considerar cada paso separadamente. La imagen mental que se posee del sistema debe desarrollarse y expresarse en un lenguaje que pueda ser empleado para programar la máquina. Normalmente cualquier imagen mental que sea consistente y explícita, referida a cualquier sistema, puede expresarse así. Las imágenes mentales que se tienen de los sistemas reales son el resultado de experiencias y observaciones; la formulación explícita de estas experiencias en un programa para ordenador obliga a examinar, formalizar y precisar las imágenes mentales y así contribuir a una mayor comprensión a través de diferentes perspectivas. Los modelos matemáticos, programables en un ordenador, están enunciados de una manera explícita; el lenguaje matemático que se emplea para la descripción del modelo no deja lugar a la ambigüedad. Un modelo de dinámica de sistemas es más explícito que un modelo mental y, por lo tanto, puede ser comunicado sin ambigüedad. Las hipótesis sobre las que se ha montado el modelo, así como las interrelaciones entre los elementos que lo forman, aparecen con toda claridad en el mismo, y son susceptibles de discusión y revisión. Por ello la proyección futura del modelo puede hacerse de forma completamente precisa.
Es importante señalar la diferencia existente entre dos clases de modelos, los modelos de predicción pretenden suministrar datos precisos acerca de la situación futura del sistema modelado. Por otra parte, los modelos de gestión pretenden básicamente establecer que "la alternativa x es mejor que la alternativa y"; en estos modelos no existe necesidad de tanta precisión ya que las comparaciones son igualmente útiles. Es en este último tipo de modelos en los que vamos a centrarnos aquí. Juan Martín García
Ciencias de la complejidad
© Juan Martín García
ISBN 9781723935428
Cursos Online
.
