1. 1
MODELAMIENTO EN BASE A LA DINÁMICA DE SISTEMAS PARA
ANALIZAR EL COMPORTAMIENTO DE LA GENERACIÓN DE
RESIDUOS DE MADERA EN EL PROCESO DE ASERRÍO
Marco Antonio Canedo Rejas
RESUMEN
La generación de residuos industriales en las empresas forestales es un potencial energético
poco aprovechado en la región amazónica de Bolivia, mas propiamente en el departamento de
Pando, esto constituye una oportunidad como fuente de materia prima para la producción de
biocombustibles solidos densificados (Briquetas). Cubrir la demanda energética del
departamento, involucra determinar con un alto grado de confianza la provisión de materia
prima necesaria para la producción de briquetas. En la practica el levantamiento de
información de los residuos producidos resulta bastante compleja, demanda tiempo y esfuerzo,
por lo que se recurre a modelos de simulación, que permitan hacer estimaciones y elaborar
estudios de factibilidad con fuente de información confiable. El objetivo de la investigación,
fue elaborar una propuesta para estimar la generación de aserrín durante el proceso de aserrío,
aplicando modelos de simulación desarrollados en base a la metodología de la Dinámica de
Sistemas, con el fin de estimar su oferta potencial anual para la producción de briquetas a gran
escala, como fuente de energía alternativa a la leña tradicional. Es así que, como uno de los
resultados principales, se tiene la determinación del comportamiento de los niveles de Aserrín
en relación a los flujos que influyen sobre ellos. Estos resultados muestran información
relevante en base a las curvas relacionadas con los estados analizados, siendo la curva
correspondiente al estado C2-estado-fAserrio la más divergente, tomando en cuenta el estado
que representa el flujo de material que es degradado y que de cierta manera merma su
acumulación. Las tasas de crecimiento obtenidas mediante la simulación, hacia el año 2030
son: 3,26%, para el estado que involucra factores propios del proceso de aserrío; 2,73% dado
el estado C2-estado-produccion; 2,57% dado el estado C2-estado-fclaves; 2,03% dado el
estado C2-estado-degr-bioenerg y 2,07% dado el estado C2-estado-defores-bioenerg. A partir
de esto se establece que la generación de aserrín, resulta tener mayor sensibilidad, a los
factores relacionados con el proceso de aserrío dentro de los centros de transformación
(aserraderos).
Agradecimientos: Al proyecto PIA-ACC 023, “Validación del potencial calorífico de los
residuos vegetales compactados (briquetas) y su uso como biocombustible para la
producción ladrillera del departamento de Pando”, financiado por la Cooperación Suiza de
Desarrollo COSUDE y el Ing. Marcos Abasto Antezana como responsable de proyecto.
Palabras Clave: Dinámica de Sistemas, Comportamiento, Simulación, Predicción,
Aserrío, Residuos.
2. 2
INTRODUCCIÓN
El uso de modelos es una técnica y/o se constituye en un instrumento sofisticado de la
ingeniería, que entre otras cosas permiten el estudio de sistemas, pues gracias a ellos se puede
comprender su funcionamiento, aun cuando estos puedan contener muchos componentes y
mostrar numerosas interacciones. Este trabajo, el de modelar, es una actividad práctica que
puede ser sencilla o compleja según el tipo de problema que se analice, y cuyo proceso
permite el reconocimiento y definición del problema, además de su planteamiento a través de
principios científicos y el desarrollo de procedimientos de solución. Los resultados obtenidos
de estos modelos, conllevan a una comprensión cabal de la situación en estudio.
Tomando en cuenta el desarrollo de la ciencia, la tecnología, la optimización de los procesos,
principalmente en los ámbitos productivos, se hace cada vez más indispensable desarrollar
proyectos que satisfagan y mejoren las condiciones de vida de los diferentes actores sociales.
Es así que un equipo de investigación del Área de Ciencias y Tecnología de la Universidad
Amazónica de Pando, implementa el proyecto de Validación del Potencial Calorífico de los
Residuos Vegetales Compactados (Briquetas) y su uso como Biocombustible para la
Producción Ladrillera del Departamento de Pando, en el marco de lo establecido por los
proyectos PIA-ACC que tienen por objeto desarrollar y transferir investigación aplicada a la
ACC mediante el desarrollo de una agenda de investigación anticientífica y holística, ejes
temáticos de gestión del agua, gestión del territorio y diversidad biocultural, seguridad, y
soberanía alimentaria y reducción de riesgos y desastres y metodologías de modelación
climática intercultural y gestión social del cambio climático. Bajo esta perspectiva, el
proyecto contribuye tanto a nivel científico como técnico. En ese sentido, el análisis se centra
en determinar los diferentes escenarios que surgen y son afectados por la generación de
desechos del proceso de aserrío de la madera. Para ello se plantean ciertos objetivos que
permiten resolver la problemática en cuestión, tomando en cuenta el nivel de impacto tanto a
nivel económico, social y del medio ambiente.
Actualmente en el departamento de Pando, no se cuenta con estudios fehacientes que permitan
conocer la dinámica de generación de residuos de madera generados en los aserraderos, ya que
solo se cuenta con información de los volúmenes de producción de madera aserrada, ajustados
de cierta manera a los estándares establecidos por la normativa. La generación evidente y
significativa de residuos durante los procesos de aserrío, presume una inadecuada gestión de
residuos sólidos evidenciada principalmente a través del impacto ambiental que provoca con el
levantamiento de polvo, la generación de olores, ruido, humo y cenizas, lo que ocasiona
riesgos por incendios. Esto lleva a un deterioro constante de la salud humana por la
contracción de enfermedades. Por otro lado, debido a la falta de aprovechamiento integral de
estos residuos, se tiene una desmejorada oportunidad para la generación de recursos, tanto
económicos como energéticos, tras la demanda creciente de energía y/o combustible de la
región. A partir de esta problemática, se plantea desarrollar modelos de simulación que
permitan analizar la dinámica de generación de residuos de madera, durante el proceso de
aserrío, llevando a cabo la identificación de variables que pueden ser asociados como datos de
entrada. En ese sentido, se diseñan modelos que permiten simular diferentes comportamientos,
en base a la formulación conceptual y experimental. Esto permite comprobar las hipótesis
sobre el funcionamiento del sistema real, a través del análisis y la comparación de resultados.
3. 3
METODOLOGÍA
El trabajo de campo tuvo lugar en el aserradero Multipando ubicado en el municipio de
Porvenir del departamento de Pando, obteniendo los datos y la información relevante a partir
de los registros de su actividad operativa y en base a los cuales se desarrolló el trabajo de
modelamiento y análisis. En lo que respecta a las herramientas de ingeniería utilizadas, se
menciona principalmente a las de software, como el entorno de modelado y simulación
VENSIM, los paquetes informáticos de cálculo numérico Matlab y Weka, además de la
aplicación de fórmulas estadísticas y ecuaciones diferenciales; todo ello enmarcado en los
preceptos de la Dinámica de Sistemas.
El Trabajo se llevó a cabo desde dos modelos basados en dos casos de estudio; uno
relacionado al proceso de aserrío propiamente (CASO 1), del cual se establece a priori, un
comportamiento determinista en base a la característica de sus variables, es decir que se prevé
un valor de salida para un valor de entrada determinado; y el otro caso, relacionado a estudiar
el sistema desde una óptica más compleja (CASO 2), el cual se encuentra influenciado por
variables continuas (series temporales e indicadores estadísticos). Ambos casos de estudio se
complementan y permiten comprender el sistema en estudio. En ese entender, los resultados
dan a conocer de manera concreta el comportamiento de los tipos de variables, como lo son las
variables de nivel o de estado, y las variables de flujo. Así también, en todos los escenarios se
tiene como resultado, la ecuación diferencial predictiva de cada variable de nivel, la cual
permite estimar los niveles alcanzados (݂(,))ݐ en un determinado año (.)ݐ݀ݐ
RESULTADOS Y DISCUSIÓN
Comportamiento del modelo dado el Caso 1 de estudio
Los resultados obtenidos del modelo de simulación muestran que las cantidades más
favorables respecto a los niveles de madera aserrada se tiene en la especie Mapajo, lo cual
significa que los niveles de aserrín acumulado son los menos convenientes, tomando en cuenta
la necesidad de mayor cantidad posible de este material para una posible fábrica de bioenergía
en la región. En contraparte, se tiene que la especie Cedro Colorado o Itaúba brinda los
mejores réditos respecto de la materia prima requerida, el aserrín. Claramente los resultados
obtenidos van de acuerdo a lo esperado, por tanto, los modelos presentan un desempeño
satisfactorio verificado en el comportamiento de las variables. Esto permite evidenciar lo
mencionado por autores como (Egas, 2011), quién juntamente con sus colegas, establecen los
factores que influyen en el proceso, concluyendo que las dimensiones geométricas de las
troncas o trozas de madera, son las que más repercuten en el proceso de aserrío, pues ellas
determinan el volumen de madera utilizado en el proceso.
4. 4
Figura 1. Comportamiento de las variables del modelo, dado el caso 1 de estudio, para la
especie de madera Roble
5. 5
Comportamiento del modelo dado el Caso 2 de estudio en un primer escenario
(Escenario 0)
La característica principal del comportamiento en el ámbito del escenario 0, tras la simulación
en el modelo, es una situación “caótica”, lo cual queda determinado por los factores clave a
través de los flujos del sistema que son generados a partir de los datos disponibles en las
fuentes y las estimaciones realizadas sobre ellos. Por otro lado, se considera el alto índice de
complejidad que presentan este tipo de sistemas, lo que determina en gran medida la
variabilidad de resultados, pues por lo general a veces factores insignificantes tienen una gran
repercusión a largo plazo. A partir de las series temporales, se tienen los datos históricos
(desde 1961) a nivel nacional, de las producciones de madera y sus residuos. A su vez,
mediante estos datos se determinan los correspondientes al departamento de Pando tomando
en cuenta su tasa de producción. Respecto al rendimiento industrial de aserrío en función de
los flujos de Madera para Aserrío y Madera Aserrada a nivel Nacional, se estima que, al cabo
del año 2030, la tasa de rendimiento irá decreciendo hasta un 1,9%, tomando en cuenta
principalmente los aspectos de producción de madera para aserrío, tanto en la región como a
nivel nacional.
Sobre el comportamiento de la variable de nivel de Residuos de Madera (sin tomar en
cuenta el aserrín) y los flujos que influyen en él, se menciona que presentan un patrón similar,
esto debido a su integración al sistema (modelo) como factor clave. Tomando en cuenta el
comportamiento de esta variable desde el año 2000, se estima que la tasa de generación de
residuos en el departamento de Pando hasta el año 2030, alcanzaría un 2,64% de incremento,
lo cual resulta admisible tomando en cuenta que desde 1961 hasta 2030 se tiene una tasa de
generación de residuos de aproximadamente el 5,27%. El comportamiento de los niveles de
Madera Aserrada, muestra un patrón creciente relativamente estable, expresando la cantidad
estimada de volumen que se viene produciendo a lo largo de los años y que, si de alguna
manera son acumulados, estos volúmenes se aproximarían a los resultados obtenidos por el
modelo. De acuerdo a ello, se estima que desde el año 2000 hasta 2030, los niveles de su
producción han incrementado en un 5,58%, tomando en cuenta los 1.696.780 de metros
cúbicos que han sido producidos y “acumulados” hasta el año 2000 y los 5.635.190 que se
tienen previsto hasta el año 2030.
Es importante notar que las cifras resultan ser altas en relación a los volúmenes de residuos
generados, pero el estudio no plantea incorporar variables en torno a determinar, qué es lo que
ocurre con la madera aserrada una vez que ha sido producida. Sólo como dato, se menciona
que puede darse dos situaciones; puede ser exportada directamente o comercializada en el
mercado interno. En el ámbito del estudio, se prevé determinar lo ocurrido con los residuos de
madera generados, que por lo general son desechados y en su mayoría acumulados en las
proximidades de los aserraderos. De este hecho se consideran también los cambios naturales
de índole físico – químico que sufren estos residuos lo que a su vez degrada y merma la
acumulación de los mismos. A través de la función SMOOTH (retardo de material en
VENSIM) se recrea esta última situación. Al constituirse en un elemento derivado, los niveles
de Aserrín muestran un patrón de comportamiento similar al de los demás residuos, pues del
mismo modo, se considera un flujo de aserrín degradado periódicamente. Por tanto, en base a
6. 6
los resultados, se tiene estimado que un 2,9% es el incremento en la tasa de generación de
aserrín en el periodo 2000 – 2030. Lo cual resulta acorde con la tasa de los otros residuos
(2,64%). Asimismo, los volúmenes de aserrín que se estarían acumulando durante el periodo
2017 – 2030, van desde los 20700 a los 25800 ݉ଷ
.
Comportamiento del modelo dado el Caso 2 de estudio en un segundo escenario (Basado
en estados)
Un segundo escenario de simulación, resulta de modificar el primero de tal manera que se
obtenga un sistema “ideal” (sistema de comportamiento sigmoideo) desde el punto de vista de
la Dinámica de Sistemas. Ello implica describir una situación estable después de haber
modificado los parámetros de los factores clave, es decir, las tendencias actuales de los datos
históricos de producción de troncas para aserrío y madera aserrada a nivel nacional, a partir de
cuyos factores, se establecen los parámetros para el departamento de Pando. Las
modificaciones en cuestión, consisten en aproximar asintóticamente los datos de los últimos
años (a partir del año 2017) a unos márgenes de volumen de producción “equilibrados”,
identificado como el estado C2-estado-fclaves dentro del modelo de simulación. Este estado se
hace evidente en el sistema real, una vez aplicadas algunas “políticas” o “planes de acción”;
como el potenciamiento del rendimiento industrial de aserrío, mediante la modernización del
equipo y/o maquinaria utilizada en el proceso, y una mayor capacitación del personal
implicado, lo cual optimiza el proceso y permite obtener una buena producción, que amerita
ejercer menos presión sobre los bosques de donde se extrae la madera en procura de satisfacer
las necesidades.
Con el propósito de simular efectos que podrían surgir en el sistema real y ver como se
podrían contrarrestar de acuerdo al modelo, se propone indicadores que ejercen cierta tensión
en el sistema, debido a que se establecen posibles parámetros, lo que a priori podría significar
su desestabilización considerable, pero que sin embargo permiten plantear soluciones en pro
de alcanzar la estabilidad natural planteado en este escenario. Para ello se considera un
incremento del volumen de madera aprovechable para aserrío en la región hasta un 40%, lo
que podría significar, entre otras cosas, un incremento de la tasa de deforestación en el
departamento hasta un 5% hacia el año 2030. Estas consideraciones estarían representadas en
la curva del estado C2-estado-produccion de la simulación. Asimismo, se toma en cuenta un
incremento en el porcentaje de generación de aserrín (hasta un 13% del total de residuos de
madera generado), y decremento de los rendimientos industriales de transformación de la
madera en los aserraderos, 38,1% y 40% según lo establecido para la especie Itauba y lo
determinado a partir de la experimentación. Del mismo modo, ello queda representado por la
curva del estado C2-estado-fAserrio en la simulación del escenario. Por último, se define e
incorpora un indicador relevante, que representa la opción más conveniente en el propósito de
estabilizar el sistema y ajustarse a la perspectiva de estudio, se trata del porcentaje de biomasa
utilizada en la producción de bioenergía, que de acuerdo a los datos obtenidos de la División
de Estadística de la F.A.O., representan los volúmenes de este material, en Bolivia. La
modificación se verifica a través de la curva de estado C2-estado-degr-bioenerg, e implica un
38%, tomando en cuenta cierta variación en el tiempo de degradación de los productos
forestales, de un año a 10,5 meses (0,875 años), notando asimismo que las inclemencias del
7. 7
tiempo en la región, pueden acelerar este proceso. Con la finalidad de verificar el efecto de la
deforestación en la acumulación de aserrín, se prueba un estado adicional, el cual se referencia
como el estado C2-estado-defores-bioenerg en el modelo.
En relación al comportamiento del rendimiento industrial de aserrío en este escenario se
menciona que, los cambios realizados sobre los factores claves, aunque parecen ser arbitrarios,
no están lejos de plasmarse en la realidad mediante la ejecución de algunas acciones que
pueden llevarse a cabo con el fin de regular la producción de madera destinada al aserrío. Esto
tomando en cuenta que dichas acciones pueden ser viabilizadas por medio de un mayor control
de la Autoridad de Fiscalización (A.B.T.) respecto al cumplimiento de las normas que regulen
la extracción y procesamiento de la materia prima (Cano Cardona, van de Rijt, de Jong, &
Pacheco, 2015). Por tanto, resulta que, a pesar de la aceleración en la baja del rendimiento en
relación al primer escenario, se logra obtener índices más “equilibrados” y/o más acordes a los
rendimientos obtenidos en la experimentación. De esa manera, los resultados muestran una
disminución del 3,29% hasta el 2030, tomando en cuenta propuestas de regulación.
En lo que respecta al comportamiento del nivel de Residuos de Madera sin tomar en cuenta
el aserrín, los resultados muestran un claro efecto que conlleva el haber modificado los
factores clave del sistema, pues se nota un cambio considerable de las curvas en el último
tercio de su trayectoria. Otra observación respecto a esta variable, se evidencia en el hecho de
que a medida en que se hacen los cambios de estado, no se logra impactar considerablemente
el comportamiento de esta variable, lo cual se demuestra en el cálculo de las tasas de
crecimiento. Sin embargo, la actuación sobre los factores clave implica una menor tasa de
crecimiento hacia 2030 (2,31%), lo que presume que, al estabilizar las producciones de
madera, los residuos también serían generados de manera equilibrada. Por otro lado, las
modificaciones de la variable expresadas mediante el estado C2-estado-fAserrio que hace
referencia a los factores intrínsecos del proceso de aserrío, determinan una tasa del 2,56%, la
más alta en relación a las tasas obtenidas en los comportamientos de los demás estados. (C2-
estado-produccion: 2,45%, C2-estado-degr-bioenerg: 2,31% y C2-estado-defores-bioenerg:
2,36%). Cabe destacar también, que la disminución de la tasa de deforestación, implica la
generación de mayores niveles de residuos, tal como lo expresan los resultados
correspondientes.
Al igual que en el primer escenario, se tiene que los niveles de Madera Aserrada tienen un
ascenso regular, siendo las modificaciones correspondientes al estado C2-estado-produccion
las que generan mayor tasa de crecimiento, 5,89%. En consecuencia, su variación en relación
al primer escenario es de aproximadamente 0,01%, lo cual significa que se mantienen los
niveles de producción de madera aserrada. Las demás tasas de crecimiento representan un
5,55% para el caso del estado C2-estado-fclaves, 5,21% para C2-estado-fAserrio (similar al
estado C2-estado-degr-bioenerg por no tener éste incidencia) y 5,28% para el caso del estado
C2-estado-defores-bioenerg. En relación al factor deforestación, se menciona que a medida
que disminuya la tasa en cuestión, se tenderá a incrementar los niveles de madera aserrada,
esto evidenciado a partir de los resultados obtenidos del modelo y en concordancia a los
niveles de residuos generados.
8. 8
Determinar el comportamiento de los niveles de Aserrín en relación a los flujos que influyen
sobre ellos, es una de las cuestiones más importantes de acuerdo a los fines investigativos del
proyecto. En ese contexto los resultados muestran un comportamiento interesante, ya que
muestra la oscilación de las curvas dadas las condiciones de los estados analizados, siendo la
curva correspondiente al estado C2-estado-fAserrio la más divergente en relación a las demás,
tomando en cuenta, al igual que con los otros residuos, el flujo de material que es degradado y
que de cierta manera merma la acumulación. A partir de los resultados se obtiene las tasas de
crecimiento respectivas hacia el año 2030, lo que indica que para el estado en los que se
involucra a los factores del proceso de aserrío, se tiene un 3,26% (esto presume que los niveles
de aserrín acumulado son más sensibles a los factores del proceso de aserrío) seguido de un
2,73% del estado C2-estado-produccion, 2,57% del estado C2-estado-fclaves, 2,03% del
estado C2-estado-degr-bioenerg y un 2,07% del estado C2-estado-defores-bioenerg. A pesar
de no haber mucha diferencia entre estas dos últimas cifras, se comprueba que una
disminución de la tasa de deforestación implicaría también el incremento en los niveles de este
producto.
Figura 2. Comportamiento de los niveles de aserrín acumulado y sus flujos relacionados
9. 9
Del mismo modo se propone el análisis de la variable de nivel ASERRÍN ACUMULADO
PARA BIOENERGÍA, a partir de estimar los volúmenes de este material que pueden ser
utilizados en la producción de bioenergía. Esto con el objetivo de equilibrar el impacto de las
demás variables asociadas a los otros estados analizados. Como se mencionó anteriormente, el
análisis de esta variable se basa en los datos recabados de la FAOSTAT, sobre porcentajes de
biomasa utilizada para la producción de bioenergía en Bolivia. En ese sentido, la media
geométrica de dichos datos, sugiere que alrededor de un 82,44% de biomasa es utilizada en la
producción de diferentes tipos de energía.
A partir del modelo se obtienen los niveles de biomasa que pueden ser utilizados en la
producción de algún tipo de energía, en relación a la variación de la tasa de deforestación. En
consecuencia, se tiene que para un 5% de forestación se podría utilizar un 47,6% del aserrín
generado, asimismo para un 3,3%, un 50,7%. De manera general esto implica que, a medida
que se tiene una disminución en la tasa de deforestación, se debe prever un incremento de la
utilización de aserrín en la producción de algún tipo de energía, ya que la tendencia indica que,
al disminuir la tasa de deforestación, se tiene un incremento en los niveles de biomasa. En
términos de proporción se puede mencionar que, ante el incremento de un cierto porcentaje en
la tasa de deforestación, se puede prever un incremento de aproximadamente el doble de
porcentaje de utilización de aserrín en la producción de bioenergía.
Con la simulación del modelo a partir del planteamiento del estado C2-estado-defores-
bioenerg, se puede notar una ligera variación en la acumulación de los productos forestales
respecto a la tasa de deforestación, pero en el caso de la cantidad acumulada de aserrín, se
cumple que: a menor tasa de deforestación mayor acumulación de aserrín y viceversa.
Estos resultados permiten deducir que la tasa de deforestación de la región, dado un
equilibrado comportamiento de factores externos, no tendría gran repercusión en los niveles de
producción de residuos durante la transformación primaria de madera. Análogamente, se
menciona que, dado un aumento en la tasa de deforestación, se tiene menor producción de
madera aserrada.
10. 10
CONCLUSIONES
El desempeño de los modelos de simulación de acuerdo a los Casos de estudio planteados,
permiten probar diferentes circunstancias suscitadas en el sistema real, pues a través de la
modificación de parámetros o la estructura de algunas variables, se conforman diferentes
escenarios y estados, los cuales permiten comparar las estimaciones descritas en las fuentes
bibliográficas, referente al efecto que ocasionan posibles alteraciones en sus magnitudes y/o
estructura. Referente a los factores clave identificados a partir del modelo del caso 1 de
estudio, se concluye que las dimensiones geométricas de las troncas, son las variables que más
repercuten en la estructura del sistema y por consiguiente en su comportamiento. Asimismo,
los volúmenes de madera extraída y de madera aserrada, marcan la tendencia (factores clave)
del comportamiento del sistema, de acuerdo al caso 2, ya que se constituyen en los datos
históricos de la oferta y la demanda de producción y comercialización de estos productos. En
lo que respecta a la generación de residuos de madera, en perspectiva del caso 2 de estudio, se
concluye que los actuales factores y condiciones en torno al escenario0, dan lugar a una mayor
cantidad de generación de estos residuos, lo cual se evidencia en la tendencia de los datos
históricos. Así también, la generación de aserrín, resulta tener mayor sensibilidad, a los
factores relacionados al proceso de aserrío dentro de los centros de transformación
(aserraderos). Por último, se establece que tanto los residuos, incluido el aserrín y madera
aserrada, tienden a incrementar sus niveles dada una disminución de la tasa de deforestación.
11. 11
BIBLIOGRAFÍA
Aiteco Consultores, SL. (2016). El Control de Calidad y las 7 herramientas basicas. Obtenido
de https://www.aiteco.com/el-control-de-calidad-herrmientas-basicas
Aracil. (1995). Dinámica de Sistemas. Madrid (España): Isdefe.
Araoz, J. W. (2011). Dinámica de Sistemas - Fundamentos y Aplicación . Cochabamba
(Bolivia): Industrias Gráficas SERRANO.
ATC-INNOVA. (s.f.). Dinámica de Sistemas. Obtenido de Modelos de Simulación de
Dinámica de Sistemas con Vensim: http://www.dinamica-de-
sistemas.com/libros/diagrama_forrester.htm
ATC-INNOVA. (s.f.). Dinámica de Sistemas. Obtenido de Dinámica de Sistemas - Vensim:
http://dinamica-de-sistemas.com
Autoridad de Fiscalización y Control Social de Bosques y Tierra. (2012). Metodología para la
Elaboración de Estudios de Rendmientos para la Transformación Primaria de
Productos Maderables y Procedimientos para su aprobación. Santa Cruz de la Sierra
(Bolivia): ABT.
Bergero, F. M. (2012). Simulación de Sistemas Híbridos por Eventos Discretos: Tiempo Real
y Paralelismo. Rosario (Argentina): Universidad Nacional de Rosario.
Bertalanffy, L. V. (1989). Teoría General de los Sistemas. San Lorenzo (México):
Encuadernación Progreso S.A. de C.V. .
Bhavna, S., & Venugopalan, K. (2014). Comparison of Neural Network Training Functions
for Hematoma Classification in Brain CT Images. Journal of Computer Engineering,
1-5.
Bu, R. C. (1996). Simulación. Un Enfoque Práctico . Limusa. Noriega Editores.
Cano Cardona, W., van de Rijt, A., de Jong, W., & Pacheco, P. (2015). Aprovechamiento y
mercados de la madera en el norte amazónico de Bolivia. Bogor (Indonesia): Creative
Commons Attribution 4.0 International.
Concepción, R. R., Chonillo, R. A., Lorenzo, A. F., & Morales, S. (2016). Determinación de
las potencialidades de aserrín en la ciudad de Guayaquil como materia prima para la
producción de diversos surtidos en la industria forestal. HOLOS, 105-114.
12. 12
Creative Commons . (10 de Enero de 2013). Modelamiento causal. Obtenido de Ingeniería de
Sistemas: http://www.ingenieriasistemas.net/2013/10/modelamiento-causal.html
Díaz Avendaño, A. A. (2016). Técnicas de Mineria de Datos para Predicción del Diagnóstico
de Hipertensión Arterial. Chiclayo (Perú): Universidad Señor de Sipán.
Egas, A. F. (4 de Octubre de 2001). Factores Fundamentales para aumentar el Rendimiento
Volumétrico en los Aseradero de Cuba. Obtenido de Rendimiento Volumétrico en los
Aserraderos:
https://chapingo.mx/revistas/phpscript/download.php?file=completo&id=MTEzOQ==
García Morate, D. (2003). Manual de Weka. España: Creative Commons. Obtenido de
Creative Commons.
Garcia, J. M. (2003). Teoria y Ejercicios prácticos de Dinámica de Sistemas. Barcelona
(España) : Juan Martin Garcia.
García, J. M. (2016). Dinámica de Sistemas Conceptos. Barcelona (España): Juan Martín
García.
Gonzales, H. W. (2013). Analisis del Crecimiento de Desechos Electronicos (Computadoras,
Laptops e Impresoras) en Bolivia del año 2013 al año 2018. Santa Cruz (Bolivia):
Instituto Latinoamericano de Ciencias - Campus Virtual.
Gonzalves, M. C. (29 de Noviembre de 2011). Modelación de los Sistemas. Obtenido de
Teoría de los Sistemas:
http://teoriadelossistemasmaryg.blogspot.com/2012/01/modelacion-de-sistemas-c-
onstruccionde.html
LRH. (13 de Septiembre de 2015). LosRecursosHumanos.com. Obtenido de Pensamiento
Sistémico: http://www.losrecursoshumanos.com/pensamiento-sistemico/
Martínez López, Y., García González, M., & Martínez Rodríguez , E. (2014). Impacto
ambiental de residuos industriales de aserrín y plástico. Usos para la industria de
tablero en Cuba. Avances, 91-99.
Matich, D. J. (2001). Informática Aplicada a la Ingeniería de Procesos. Redes Neuronales:
Conceptos Básicos y Aplicaciones (pág. 55). Rosario (Argentina): Universidad
Tecnológica Nacional.
13. 13
Organización de las Naciones Unidas para la Alimentacion y la Agricultura. (2017).
FAOSTAT. Obtenido de Organización de las Naciones Unidas para la Alimentacion y
la Agricultura: http://www.fao.org/faostat/es/#data/FO
Pérez, N. A. (2016). Modelado Matemático de Diabetes basado en Diagramas Causales .
Málaga (España): Universidad de Málaga.
Reyes Cortés, L. M. (2013). Cuantificación y aprovechamiento de residuos del proceso de
aserrío del Parque Industrial Ixtlán de Juárez, Oaxaca. Oaxaca (México): Universidad
de Sierra Juárez.
Romahn de la Vega, C. F., & Ramírez Maldonado, H. (2010). Dendometria. Texcoco
(México): Universidad Autónoma Chapingo.
Tarifa, E. E. (s.f.). Introducción a la Simulación. Obtenido de Teoría de Modelos y
Simulación:
http://www.econ.unicen.edu.ar/attachments/1051_TecnicasIISimulacion.pdf
The MathWorks, Inc. (2017). Documentación. Obtenido de MathWorks:
https://www.mathworks.com/help/index.html
Timón, C. E. (2017). Análisis predictivo: técnicas y modelos utilizados y aplicaciones del
mismo - herramientas Open Source que permiten su uso. Cataluña (Espana):
Universitat Oberta de Catalunya.
UDLAP. (s.f.). Sistemas Dinámicos. Obtenido de Sistemas Dinámicos:
http://catarina.udlap.mx/u_dl_a/tales/documentos/lem/loaiza_r_m/capitulo3.pdf