TOMA DE DECISIONES ESTRATÉGICAS MEDIANTE LA SIMULACIÓN POR DINÁMICA DE SISTEMAS

STRATEGIC DECISION-MAKING THROUGH SYSTEMS DYNAMICS

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional.

La gestión sostenible de los recursos hídricos es uno de los grandes retos que enfrenta la humanidad en el siglo XXI. Los informes más recientes publicados por importantes organismos internacionales (WWAP, 2015; WWAP, 2017) evidencian una creciente alarma ante la reducción casi exponencial en la disponibilidad de agua dulce. Las causas que influyen en la reducción de la disponibilidad de agua son complejas e interrelacionadas. La contaminación por el vertido de aguas residuales industriales es una de las causas antrópicas de mayor significación.

Tradicionalmente se ha considerado que las aguas residuales provenientes de la industria alimentaria no deben causar problemas, siempre que las descargas nocontengan cantidades excesivas de contaminantes; esta aparente “inocuidad” almedio ha contribuido a que muchas empresas de este sector sean reacias aadoptar medidas para reducir la carga contaminante (Garrone, Grilli, Groppi &Marzano, 2016; Meneses, Stratton & Flores, 2017). Sin embargo, la industriaalimentaria a nivel mundial es responsable de más de la mitad de la carga contaminante biodegradable de origen industrial que se dispone (WWAP, 2009).

En las condiciones actuales de Cuba parece más prometedor seguir una estrategia integrada que aproveche todas las oportunidades para la gestión de las aguas residuales. Incluso en un contexto económico nacional más ventajoso, Díaz (1987) alertaba sobre la necesidad de esta estrategia: “si se considera como un sistema único el proceso tecnológico, el sistema de tratamiento y el vertimiento final, es posible llegar a soluciones más económicas y eficientes”.

En el plano nacional se han realizado esfuerzos por adecuar la estrategia de gestión integrada a las relaciones industria-entorno (Galindo, 2008; Betancourt, Labaut y Bonachea, 2011). No obstante, aún no se logra la necesaria integración de los actores involucrados, al no contarse con herramientas de toma de decisiones adecuadas.

Es de gran actualidad científica el desarrollo de herramientas de apoyo a la toma de decisiones, que respondan a los objetivos de la sostenibilidad y al carácter complejo de las interacciones industria-entorno (Delden, Seppelt, White & Jakeman, 2011; Angelakoglou & Gaidajis, 2015).

La literatura consultada (Voinov & Bousquet, 2010; Sébastien & Bauler, 2013) evidencia que en el proceso de toma de decisiones se manifiestan dos tendencias, la primera se relaciona con la elevación de la racionalidad: uso de información científicamente relevante y empleo de herramientas de apoyo a la toma de decisiones; la segunda tendencia se relaciona con la democratización del proceso de toma de decisiones, mediante la participación de los actores interesados.

Estas tendencias son el resultado del empleo de un enfoque holístico en la gestión y, tal como señalan Lehtonen, Sébastien & Bauler (2016), reflejan el antagonismo relacionado con la implementación de la gestión integrada: por un lado, la necesidad operacional de manejar la complejidad a través de la integración de múltiples dimensiones; por otro lado, el llamado de los tomadores de decisiones por una información cada vez más simplificada y sintetizada.

El acceso a la información científicamente relevante ha facilitado el desarrollo de herramientas de apoyo a las tomas de decisiones en cuestiones ambientales, incluidas las de modelación, que estimulan la comunicación efectiva entre los diversos actores de este proceso (Ticehurst, Newham Rissik, 2007).

Precisamente, la modelación por dinámica de sistemas, lógica difusa, redes neuronales y otras más es una línea científica de actualidad para lidiar con la complejidad de los procesos vinculados a la gestión ambiental.

Forrester (1961) es el autor del método de simulación dinámica, que intenta establecer una relación entre las ideas fundamentales del enfoque en sistema y la corriente cibernética de los problemas de la gestión.

La dinámica de sistemas ha ganado en aceptación para modelar procesos de alta complejidad e incertidumbre, como lo constituye la gestión integrada de los recursos naturales, aprovechando la debilidad de modelos operacionales que, aunque ofrecen soluciones óptimas, no consideran adecuadamente las implicaciones sociales, culturales, y ambientales (Cavana, Smith, Scott & O’Connor, 2014; Zhou, Zhu & He, 2017).

Una ventaja de la dinámica de sistemas radica en que el conocimiento de la estructura del sistema permite manejar con más facilidad la incertidumbre asociada a posibles cambios futuros (Pruyt, 2015). En contraposición, los modelos basados en la regresión lineal se obtienen a partir de datos históricos y; por tanto, los pronósticos están asociados a una mayor incertidumbre, debido a que no hay garantía de que las correlaciones estadísticas derivadas de los datos reflejen acertadamente el comportamiento futuro del sistema.

Otra ventaja de la dinámica de sistemas (Rouwette & Vennix, 2006) consiste en que sus modelos requieren de la entrada de información por parte del usuario, lo cual facilita la participación de los actores interesados. Ventajas adicionales se relacionan con su flexibilidad, el contar con una metodología establecida y software para el desarrollo de modelos (Vensim, Stella, Powersim); además, facilita el aprendizaje y el trabajo en equipo.

Es necesario tener en cuenta que los modelos basados en dinámica de sistemas no ofrecen soluciones óptimas o exactas. Sin embargo, la complejidad y la elevada incertidumbre de los procesos de gestión requieren del empleo de modelos de simulación flexibles, que puedan considerar variables sociales, ambientales, económicas, y culturales (Vriens & Achterbergh, 2006). En última instancia, la aceptación práctica del modelo y su éxito se relaciona estrechamente con la delimitación acertada de su alcance espacial y temporal y con su validez.

La dinámica de sistemas se ha utilizado ampliamente en la gestión integrada de recursos, incluyendo los recursos hídricos. Existe una tendencia a la reducción del alcance espacial de los modelos (a nivel de cuencas y subcuencas hidrográficas), lo cual permite identificar soluciones regionales y locales (van Waas, Slinger & van Splunter, 2015).

Algunos modelos desarrollados a escala regional para estudiar la retroalimentación entre la industria y la disponibilidad de agua se han basado primordialmente en variables económicas, mientras que aquellos que tienen un alcance espacial más reducido se han concentrado en las relaciones población- recursos hídricos (Leal , Legey, Gonzalez-Araya, 2006; Clifford, Slinger, Musango, Brent & Palmer, 2014).

El objetivo del presente trabajo es desarrollar una herramienta de apoyo a la toma de decisiones estratégicas para la gestión integrada de aguas residuales biodegradables en industrias de la rama alimentaria, basada en la modelación por Dinámica de Sistemas.

El proceso de modelación constó de las siguientes etapas: definición de los objetivos y alcance del modelo, identificación y selección de las variables, confección del diagrama causal de las variables e identificación de los lazos de retroalimentación, confección del diagrama de Forrester y establecimiento de las variables de nivel, variables de flujo, variables internas, variables exógenas y constantes.

El simulador se desarrolló con ayuda del software comercial Stella en su versión 7.0.3 y constó de tres componentes: interface usuario-máquina, diagrama de Forrester y sistema de ecuaciones matemáticas.

El simulador se aplicó en dos industrias de la rama alimentaria en la provincia de Camagüey, con el objetivo de apoyar la toma de decisiones estratégicas en el campo de la gestión integrada de aguas residuales biodegradables, considerando los posibles escenarios socio-económicos y ambientales para el período 2004- 2050 que se recogen en el informe GEOCuba 2007 (Cuba. Ministerio de Ciencia, Tecnología y Medio Ambiente (Citma) y PNUMA, 2009).

En la construcción del modelo los autores se identificaron con la propuesta de Katz & Kahn (1990), que reconoce a la organización industrial como un sistema abierto. Se consideró un sistema simplificado, en el cual los vertimientos de residuales líquidos provienen de fuentes puntuales de origen industrial; además, como indicador de contaminación se toma la masa de determinada sustancia en un sector delimitado del curso de agua superficial. Los vertimientos de residuales líquidos se cuantifican según la carga contaminante dispuesta, la cual puede determinarse si son conocidos los valores de carga contaminante unitaria (carga contaminante por unidad de producción) y la producción en un intervalo de tiempo de la industria.

La contaminación es la acción y efecto de añadir al agua materias o formas de energía, o inducirle condiciones que, de modo directo o indirecto, impliquen una alteración perjudicial de su calidad en relación con los usos posteriores o su función ecológica (NC 27:2012). Con frecuencia, en el cuerpo normativo se establecen límites máximos permisibles promedios para diferentes parámetros.

La pérdida de la calidad del agua debido a la contaminación hace que ocurran procesos de retroalimentación negativa a nivel subjetivo, los cuales presionan para reducir los vertimientos; entre los actores de este proceso están la comunidad, los órganos reguladores, la comunidad científica.

En un curso de agua ocurren procesos físicos, químicos y biológicos que reducen la contaminación y tienden a restablecer el equilibrio, lo cual se conoce como autopurificación. Los procesos de autodepuración son complejos, ya que envuelven diferentes variables dependientes del sistema y otras de naturaleza exógena.

Dentro de las variables internas se encuentran el caudal, la concentración de oxígeno disuelto, la diversidad biológica, la calidad hidroecomorfológica; todas ellas pueden expresarse mediante un índice de capacidad autopurificadora. Las variables exógenas se vinculan al clima, fundamentalmente. Los elevados niveles de autopurificación permiten que haya una mayor disponibilidad de agua, lo cual evita que este recurso sea el factor limitativo en el proceso de producción de una industria determinada.

El diagrama causal (figura 1) muestra que coexisten bucles positivos y negativos; el comportamiento global del sistema se determina por las interacciones entre estos bucles.

Figura 1.
Diagrama causal del sistema

Así, para t = 0 domina el bucle positivo, mientras que para t = ∞ dominan los bucles negativos. Se obtiene un comportamiento en S, tal como se ilustra en la figura 2.

Figura 2.
Comportamiento en S de la contaminación en el tiempo

Para elaborar el diagrama de Forrester (figura 3) se considera la variable de nivel (N) como la contaminación expresada en masa de una sustancia dada, la variable de flujo de entrada (Fe) se expresa a través de la carga contaminante que recibe el cuerpo receptor, la cual se relaciona con una serie de variables auxiliares de entrada (Vae), tales como niveles de producción, eficiencia del tratamiento, etc.

Figura 3.
Diagrama de Forrester

La variable de nivel influye en la variable de flujo de entrada mediante un canal de información, entendiendo que la regulación de la carga contaminante que recibe el cuerpo receptor se puede efectuar por métodos subjetivos, tales como: establecimiento de normas, presiones de la comunidad, inspecciones de órganos de control.

La variable de flujo de salida (Fs) se expresa a través de la capacidad de autopurificación del curso de agua, la cual se relaciona con una serie de variables auxiliares de salida (Vas), tales como: caudal, concentración de oxígeno disuelto, características hidroecomorfológicas, etc. También la variable de flujo de salida se relaciona con una serie de variables exógenas que se vinculan al clima.

En este caso, la contaminación influye sobre la capacidad de autopurificación a través de un canal de material, ya que una contaminación elevada puede inhibir los procesos biológicos de autopurificación. La descripción del modelo indica que para hacer una correcta interpretación de los factores que afectan la calidad del agua se necesita considerar tanto los procesos de contaminación, como los de purificación.

De forma general, las variables de flujo Fe y Fs determinan las variaciones en la variable de nivel mediante la expresión: (Ecuación 1)

[Ecuación 1]

En el diagrama de Forrester se muestra que la naturaleza de los bucles de realimentación negativos es completamente diferente, ya que si uno depende de factores naturales el otro se vincula a factores sociales.

La manipulación de las variables de entrada y salida permite obtener escenarios de naturaleza estratégica sobre la gestión de aguas residuales industriales. En la simulación estratégica es recomendable la participación de representantes de la industria, gestores ambientales de órganos reguladores y centros científico- técnicos, gestores de recursos hídricos, miembros de la comunidad y organizaciones que forman parte de la cadena de suministro de la organización.

Se empleó el simulador para apoyar la toma de decisiones en dos industrias de la rama alimentaria en la provincia de Camagüey: el combinado confitero y la cervecería Tínima. Los posibles escenarios socioeconómicos y ambientales se corresponden con los que se evalúan en el informe GEOCuba 2007 para el período 2004-2050.

Para el combinado confitero, el anexo 1 muestra un resumen del comportamiento probable de las variables que caracterizan a estos escenarios y el grado de probabilidad de los mismos. Como se puede observar, los evaluadores consideran que el escenario “Naturaleza sustentadora” es el más probable. Este escenario se caracteriza por el bajo crecimiento económico y el cumplimiento de los objetivos de sostenibilidad ambiental. Para el mismo se pronostica una reducción modesta de carga contaminante orgánica, un incremento en el volumen de aguas residuales tratadas, recicladas y reutilizadas y un manejo integrado a escala local.

Los evaluadores consideran que los aspectos estratégicos de mayor relevancia para el combinado confitero se relacionan con el aseguramiento de la disponibilidad de agua de calidad, el logro de una correlación entre los niveles de producción y el consumo industrial de agua y evitar los incumplimientos normativos en el vertimiento de aguas residuales. Además, en la gestión de aguas residuales es fundamental priorizar las medidas preventivas sobre las correctivas. Para la cervecería Tínima el anexo 2 muestra un resumen del comportamiento probable de las variables que caracterizan a estos escenarios y el grado de probabilidad de los mismos. Como se puede observar, los evaluadores consideran que el escenario “Naturaleza sustentadora” es el más probable.

En la cervecería Tínima tiene una alta prioridad estratégica el aumento de la eficiencia en el uso del agua, para que los aumentos de producción no se realicen a costa de incrementos en los consumos de agua. El aprovechamiento material y energético de las aguas residuales debe ser potenciado, en correspondencia con las tendencias actuales de la industria cervecera.

1. 1. Se desarrolla una herramienta de apoyo a la toma de decisiones estratégicas, basada en la Dinámica de Sistemas, en el campo de la gestión integrada de aguas residuales biodegradables en industrias de la rama alimentaria.

   La herramienta permite elevar la racionalidad del proceso de toma de decisiones ycontribuye a su democratización, al permitir la participación de los actoresinteresados.

   La aplicación del simulador en dos industrias de la rama alimentaria en Camagüey contribuyó a tomar decisiones estratégicas en el marco de la aplicación de una tecnología de gestión integrada de aguas residuales biodegradables en estas industrias.

anexo 1

anexo 2