=
=
Simulación
dinámica del impacto de la gestión de riesgo en empresas de transporte
Práxedes Antonio Torres Ortega1,2,3*
1Universidad
Tecnológica de Panamá, Faculta=
d de
Ingeniería Industrial, Panamá, República de Panamá
2Universidad del Istmo, Facultad de
3Universidad Católica Santa María
*Autor para correspon=
dencia. E-mail: <=
/span>praxedes.tor=
res@utp.ac.pa
=
Recibido:
12 de noviembre de 2019
=
Aceptado:
06 de diciembre de 2019
_________________________________________________________=
_____________________
Resumen
Actualmente, los indicadores mundiales en cuanto a
fatalidades por accidente de tránsito están en alza y preocupan a nivel
global. En Panamá, se tiene una
tendencia de crecimiento en la aplicación de gestión de riesgo en seguridad=
vial,
en los transportistas de combustible claro.
En la medida que el nivel de gestión de riesgo vial se implementa y
crece su aplicación, el transporte puede llegar a reducir hasta un 27% las
fatalidades por accidentes de tránsito en la industria del transporte de
combustible claro en Panamá.
Palabras clave: ISO 39001,
Accidentes viales, fatalidades de viales, transportistas, simulación dinámi=
ca.
Keywords: ISO 39001, R=
oad
accidents, road fatalities, freigth carriers, dynamic simulation.
La presente investigación es del tipo
predictivo y de diseño no experimental del tipo transversal. La investigaci=
ón
busca predecir el impacto de diferentes niveles de gestión de riesgo en el
sector de transporte de combustible que puedan tener en la cantidad de
accidentes de tránsito y por ende fatalidades como consecuencias de ellos.<=
o:p> Para medir el nivel de gestión de ries=
go,
se diseñó y aplicó una encuesta diseñada en base a la Norma ISO 39001:2012 =
para
medir el nivel de cumplimiento alcanzado en gestión de seguridad vial. Se tomaron muestras del sector del
transporte de combustible a granel que brindan sus servicios en La Repúblic=
a de
Panamá. Se realizó una=
prueba
piloto para calcular el tamaño de la muestra utilizando los siguientes valo=
res
para cada variable: Z =3D 1.96 (Nivel de
confiabilidad de 95%) e =3D 0.025 Media =3D 0.95 como n=
ivel
de cumplimiento con la norma. N =3D 27 encuestas Finalmente se aplicaron las encuestas =
a 37
compañías de transporte de combustible La encuesta se aplicó a los
administradores de operaciones de las empresas de transporte responsables de
los temas de gestión de riesgo vial. Se les
solicitó que se auto evaluaran el nivel de cumplimiento con la norma ISO
39001:2012 tanto para los años 2014, 2015 y 2016. La encuesta evalúa el
nivel de gestión de riesgo vial, tomando el nivel de cumplimiento de la nor=
ma
ISO 39001:2012. Se tomó el promedi=
o de
respuestas dadas con la respuesta “SI”, que indica que se cumple con el pun=
to
que la norma pide cumplir. Al fina=
l se
contabilizan la cantidad de respuestas positivas del total de preguntas de =
la
encuesta. Por ejemplo: si el encue=
stado
respondió 54 preguntas con las respuestas “SI” de un total de 58 preguntas,
relacionadas con la gestión de riesgo, el puntaje obtenido sería de 0.93 en
general, es decir 93% de cumplimiento.
Luego, se promedia estos índices para calcular el nivel alcanzado
promedio entre todas las compañías de transporte. Para las tabulaciones,
cálculos de promedios, análisis y gráficas se utilizaron las herramientas S=
PSS
versión 20; así como Microsoft Excel. Se toman datos secund=
arios
como la demanda de combustible claro en la República de Panamá dada en la
Secretaría Nacional de Energía. Las
variables de niveles de gestión de riesgos, cantidades de viajes, accidente=
s,
fatalidades, son obtenidas de las encuestas.
Luego se aplica una matriz de correlaciones entre las variables para
determinar sus relaciones. Para diseñar el model=
o de
predicción de fatalidades por accidentes de tránsito del sector de transpor=
te
de combustible, se simuló utilizando la Dinámica de Sistemas como modelado.=
Por motivos, de practicidad se asumió un
comportamiento normal de los datos. La demanda de producto
transportado se basará en los registros públicos que se cuentan de demanda =
de
combustible claro dados por La Secretaría Nacional de Energía medidas en
Galones o Litros. 3 Resultados 3.1 Encuestas Las encuestas fueron aplicadas a representantes de administra=
dores
de operaciones en las compañías de transporte, para que dieran sus percepci=
ones
sobres el cumplimiento de la norma ISO 39001:2012 para los años 2014 a 2016=
. Los resultados fueron los siguientes El promedio general del nivel de segur=
idad
vial para el 2016 es de 91% para el sector de transporte de combustible cla=
ro,
el cual se puede considerar alta y adicionalmente de tener un crecimiento
considerable entre los años 2014 al 2016. A un nivel de confiabilidad de 95=
%,
la estimación del intervalo del nivel de seguridad vial promedio en el
transporte de combustible claro se encuentra entre 88% a 93% el nivel de
cumplimiento. Lo cual es muy buen
resultado para esta industria.
Adicionalmente se resalta una crecida considerable en el cumplimient=
o de
la norma. En la Gráfica 1 se puede=
notar
estos resultados. Gráfico 1
En cuanto al nivel de cumplimiento por
cada uno de los puntos de la norma, en promedio el nivel alcanzado por las =
37
empresas en cada año fueron los mostrados en la Gráfica 2.
Gráfico 2: Nivel de Gestión de
Riesgo en el Transporte de Carga de Combustible por Elemento de la Norma ISO
39001:2012
Aunque se cuenta con solo tres años de
referencia, se hace la asunción de normalidad y se calcula una matriz de
correlaciones bivariados de las siguientes variables: el nivel de gestión de
riesgo alcanzado; la cantidad de accidentes viales tenidos por el
transportista, así como las fatalidades productos de ellas; y cantidad de
viajes. En la Tabla 1, se muestran=
las
cantidades y las correlaciones respectivas de cada variable.
Tabla 1: Correlaciones de las
principales variables de Accidentes de Tránsito
|
Variables |
Número Fatalidades |
Número Heridos |
Número Accidentes |
Número Vehículos |
Número Viajes |
Nivel de GR |
Legislación |
|
Número de Fatalidades |
1 |
-0.797 |
0.997 |
0.216 |
0.978 |
0.388 |
-0.155 |
|
Número de Accidentes |
0.997 |
-0.841 |
1 |
0.290 |
0.991 |
0.457 |
-0.229 |
|
Número de Viajes |
0.978 |
-0.906 |
0.991 |
0.416 |
1 |
0.573 |
-0.358 |
|
Nivel de GR |
0.388 |
-0.866 |
0.457 |
0.984 |
0.573 |
1 |
-0.970 |
Estos datos indican, que las correlaci=
ones
más importantes a utilizar para pronosticar los accidentes y fatalidades de
tránsito, los cuales son:
El número de fatalidades (F) con el nú=
mero
de accidentes (0.997) y con el número de viajes (0.978)
El número de accidentes tiene fuerte
correlaciones (0.997) con el número de fatalidades y con el número de viajes
(0.991). Con respecto al nivel de
gestión de riesgo la correlación es positiva, pero baja con 0.457 Dada esta
consideración, NO se tomará en el modelo de simulación, la correlación del
número de accidentes con el nivel de gestión de riesgos.
El número de viajes presenta una alta
correlación positiva con el número de fatalidades (0.978), con el número de
accidentes (0.991) y bajas correlaciones positivas con el número de vehícul=
os y
con el nivel de gestión de riesgo.
El nivel de gestión de riesgo tiene una
alta correlación positiva con el número de vehículos (0.984), pero baja
correlaciones bajas con las otras variables.
La demanda de combustible claro (gasol=
inas,
diesel, kerosene, avgas, avjet) es la mayormente demandada de entre los
derivados del petróleo. En la Tabl=
a 2,
se muestra el histórico de demanda de combustible claro desde el 2007 al 20=
16.
Tabla 2: Demanda de
hidrocarburos claros 2007 al 2016 (Galones).
|
Hidrocarburos Claro (Galones) |
|
|
2007 |
514,933,375 |
|
2008 |
555,171,137 |
|
2009 |
593,322,845 |
|
2010 |
662,382,420 |
|
2011 |
749,809,576 |
|
2012 |
736,074,104 |
|
2013 |
797,083,316 |
|
2014 |
894,972,032 |
|
2015 |
864,020,648 |
|
2016 * |
896,558,871 |
Fuente:
A partir de esta información, fue posi=
ble
generar un modelo polinomial de series de tiempo, que se muestra en la Gráf=
ica
3. Dicho modelo puede describirse como: <=
/span>
Gráfico 3: Gráfico de dispersi=
ón y
de tendencia entre la Demanda y el
tiempo (años).
Ecuación 1: Demanda de combustible claro =3D -1.90 =
x 106
(Año)2 + 7.71 x 109 (Año) -7.80 x 1012
El coeficiente de correlación resultan=
te
es de 0.98 a lo cual, es una excelente relación de ambas variables. La relación lógica, que debe existir, e=
s que
en la medida que exista demanda habrá más viajes a lo que se analiza su
relación a continuación en la Gráfica 4 la cual se demuestra una relación
polinomial de segundo grado.
Gráfico 4: Número de viajes en
función de la Demanda.
Ecuación 2: Número viajes =3D 3.90 x 1=
0-11
(Demanda)2 – 0.07 (Demanda) + 3.03 x 107
Bajo estos niveles de correlación, se
puede utilizar los siguientes modelos para pronosticar lo siguiente: El núm=
ero
de accidentes en función de la cantidad de viajes. En la Gráfica 5 se muestra la línea de
tendencia entre el número de accidentes en función de la cantidad de viajes=
.
Gráfico 5: Tendencia del númer=
o de
accidentes viales en función de la cantidad de viajes.
La ecuación de correlación sería la
siguiente:
Ecuación 3: Número accidentes =3D 6.2 =
x 10-3
(cantidad de viajes) – 311
Sin embargo, el número de accidentes t=
iene
una dependencia también del nivel de gestión de riesgo, para ello se proced=
e a
realizar el cálculo de la probabilidad de accidentabilidad por viaje dado un
nivel de gestión de riesgo. Al
realizarse el cálculo de la tasa de fatalidad por accidente ocurrido en el
transporte de combustible claro, es posible, señalar que los administradore=
s de
transporte indicaron que tuvieron 99 accidentes de los cuales tuvieron 5
fatalidades lo que permite afirmar, que aproximadamente 5% de los accidentes
ocurren fatalidades. Esto indica q=
ue la
tasa de mortalidad por accidente en el transporte de combustible claro, es
mucho mayor al promedio general del país al cual es de 1% (volver a ver Tab=
la
2).
La probabilidad de accidentabilidad da=
do
un nivel de gestión de riesgo (a) es determinado de la siguiente forma: se
obtienen los totales para los tres años medidos 2014, 2015 y 2016, en las
siguientes variables:
Número de viajes (NV)
Número de accidentes (A)
Nivel de gestión de riesgo (NGR)-
Luego se agrupan por Niveles de Gestió=
n de
Riesgos (NGR), en intervalos de tamaño 20%, se determina la probabilidad de
accidentabilidad, dado el nivel de gestión de riesgo (a) dividiendo el núme=
ro
de accidentes (A) y el número de viajes realizados (NV).
Dentro de los niveles de gestión de ri=
esgo
(NGR), entre 20% a 40% se tuvo un total acumulado de 2,396 viajes de los cu=
ales
se dieron 2 accidentes por lo que la probabilidad de accidentabilidad de las
compañías, que se encuentran en niveles de gestión de riesgo entre 20% a 40=
% es
de 0.00083. La tabla completa con =
los
cálculos respectivos por Nivel de gestión de riesgo (NGR) y sus respectivas
cantidades de viajes y accidentes se muestran en la Tabla 3.
Tabla
3: Cálculo de la
probabilidad de accidentes dado un determinado Nivel de Gestión de Riesgo N=
ivel
de GR (NGR) - Suma de Número de Viajes (NV) - Suma de Número de Accidentes =
(A) Probabilidad de Accidentes por Viaje=
(a)
|
Nivel de GR (NGR) |
Suma de Número de Viajes (NV) |
Suma de Número de Accidentes (A) |
Probabilidad de Accidentes por Viaje (a) |
|
20% – 40% |
2,396 |
2 |
0.00083 |
|
41% - 60% |
4,395 |
3 |
0.00068 |
|
61% - 80% |
6,435 |
4 |
0.00062 |
|
80% - 100% |
154,536 |
90 |
0.00058 |
Con estos resultados de probabilidades=
, se
demuestra que la hipótesis de que a mayores niveles de gestión de riesgo (N=
GR)
menor probabilidad de accidentabilidad.
Diagrama de influencias para el modelo=
de
simulación.
El diagrama de influencias mostradas e=
n la
Gráfica 6, se muestra el diagrama de influencias que resumen las relaciones=
de
las variables consideradas en el modelo de simulación para determinar el nú=
mero
de fatalidades por accidentes de tránsito, en las compañías de transporte
evaluadas.
Gráfico 6: Diagrama de influen=
cias
para el modelaje del número de accidentes y fatalidades viales..
Modelo
utilizando Vensim®..
Con el diagrama de influencias, se
procedió a confeccionar el diagrama de Forrester el cual, permite observar =
las
relaciones de las variables según sean variables de nivel o variables de
flujo.
Para el diagrama de Forrester, se tomó=
que
las variables de nivel serían la cantidad de fatalidades (F), cantidad de
accidentes (A), número de viajes (NV) ocurridas en el lapso 2017 al 2021; l=
as
variables de flujo serían el tiempo (t), la demanda (D), Nivel de Gestión de
riesgo (NGR) y esta a su vez tiene dependencias de los puntajes alcanzados =
en
cada uno de los elementos de la norma ISO 39001:2012, en los cuales cada un=
o de
ellas representa a una variable. S=
e ha
utilizado una variable de control llamada, “Tasa de incremento” para hacer =
los
escenarios de aumento o no del nivel alcanzado en cada elemento de la
norma. Adicionalmente, se han colo=
cado
en el modelo dos tasas las cuales son: probabilidad de accidentabilidad y la
tasa de mortalidad por viaje.
El período de evaluación configurado f=
ue
de 5 años (2017 al 2021). El modelo
final fue desarrollado con el uso del software Vensim® la cual se muestra el
diagrama de Forrester configurado. En la
Gráfica 7 se muestra el diagrama de Forrester
Gráfico 7: Modelo de simulación
utilizando Vensim ®.
Escenarios
evaluados con Vensim®..
Para la configuración de las variables=
se
debe tomar en cuenta, que se simularán dos escenarios:
Escenario 1: se tiene una tasa de
crecimiento continuo de 10% anual en cada uno de los elementos de la norma =
ISO
39001:2012, teniendo como valor inicial cada elemento de la norma mencionad=
a en
20% y como valor máximo 100%
Escenario 2: se mantiene constante el
valor de cada elemento de la norma ISO 39001:2012 en un valor de 20% durante
los cinco años de simulación.
Para determinar la probabilidad de
fatalidad dado un accidente de tránsito en el transporte de combustible cla=
ro,
se determinó que en 97 accidentes tenidos en el periodo del 2014 al 2016, se
tuvieron 5 fatalidades. Dado ello,=
la
probabilidad de fatalidad dado un accidente de tránsito es de 5% en el
transporte de combustible claro.
Resultados
de la simulación Vensim®..
En la Gráfica 8 se muestra el pronósti=
co
de demanda de combustible para los años de 2017 hasta el año 2021:
Gráfico 8: Pronóstico de la
demanda de combustible claro para el periodo 2017 al 2020..
La siguiente variable para determinar,=
es
el número de viajes esperado E(NV) para el periodo del 2017 al 2021. Esta variable, debe tener el mismo
comportamiento para ambos escenarios (con y sin aumento en el NGR). La dema=
nda
esperada E(D) de combustible claro es la variable correlacional utilizada p=
ara
determinar los números de viajes esperados E(NV).
En cuanto a los accidentes esperados, =
en
base a la cantidad de viajes E(NV) y la probabilidad de accidentabilidad, d=
ado
el nivel de gestión de riesgo (a) el cual es determinado por el producto de
ambas, según sea el Nivel de Gestión de Riesgos (NGR). E(A) =3D E(NV) * P(a=
/NGR)
Donde:
E(A) =3D el número esperado de acciden=
tes.
E(NV) =3D Número esperado de viajes
P(a/NGR) =3D la probabilidad de accide=
ntabilidad
dado un nivel de gestión de riesgo (NGR)
Volviendo a recalcar, que los dos
escenarios utilizados para el periodo de cinco años (2017 al 2021) son los
siguientes:
Escenario 1: cada elemento de la norma=
ISO
39001:2012 inicia en un nivel de 20% y luego se dan aumentos de 10% anual
durante la simulación.
Escenario 2: se asume que todos los
elementos de la norma se mantienen en una constante de 20% durante los cinco
años.
A continuación, se comparan en la Gráf=
ica 9
los dos escenarios esperados teniendo en color rojo el Número de fatalidades
esperadas E(F) sin incremento del NGR y con línea de color azul, se muestra=
el
comportamiento de la cantidad de fatalidades esperadas E(F) considerando un
aumento progresivo de 10% en el NGR.
Gráfico 9: Los dos escenarios =
de
cantidad de fatalidades dados según el nivel de gestión de riesgo para el
periodo 2017 a 2021. Con un 10% de incremento en gestión de riesgo.
Lo que se muestra de los resultados de=
la
simulación en cuanto a las fatalidades esperadas E(F) es que si se mantiene=
un
nivel de Gestión de Riesgo constante (20%), la cantidad de fatalidades
esperadas E(F), es mayor que si el nivel de gestión de riesgo aumentase con=
los
años.
En la Tabla 4 se hace una comparación =
de
los dos escenarios (con y sin crecimiento del NGR) notándose que la cantida=
d de
fatalidades esperadas E(F), bajan cuando el NGR aumenta; se puede tomar como
ejemplo el resultado del año 2020, en el que el NGR de 60% llega a reducir =
las
fatalidades esperadas E(F) hasta un 27% comparado con el escenario de no
aumentar el NGR.
Tabla
4: Comparación de los
escenarios con y sin crecimiento del NGR en cuanto al número de fatalidades=
.
Este resultado hace concluir que en la
medida que el nivel de gestión de riesgo aumenta, la cantidad de fatalidades
esperadas disminuyen y esto apoya la hipótesis de este trabajo investigativo
que indica que en la gestión del riesgo es un factor determinante en la
reducción de fatalidades por accidentes de tránsito.
En cuanto a los accidentes de tránsito
esperados E(A) de estos transportistas de combustible claro para el periodo
2017 al 2021 se muestran los resultados en la Gráfica 10.
Gráfico 10: Los dos escenarios =
de
cantidad de accidentes dados según el nivel de gestión de riesgo para el
periodo 2017 a 2021. Con un 10% de incremento en gestión de riesgo.
Al igual que en la cantidad de fatalid=
ades
esperadas E(F), también se observa una reducción del número de accidentes E=
(A),
cuando el nivel de gestión de riesgo aumenta llegando hasta una reducción d=
e la
cantidad de accidentes en un 25%. =
Los
cálculos se muestran en la Tabla 5.
Tabla 5: Comparación de los
escenarios sin y con crecimiento del NGR en cuanto al número de accidentes
esperados.
|
Año |
NGR |
Accidentes esperados |
NGR |
Accidentes esperados |
Dif% (F) |
|
2017 |
20% |
77 |
30% |
77 |
0% |
|
2018 |
20% |
146 |
40% |
146 |
0% |
|
2019 |
20% |
228 |
50% |
187 |
-18.0% |
|
2020 |
20% |
305 |
60% |
228 |
-25.2% |
|
2021 |
20% |
377 |
70% |
282 |
-25.2% |
A pesar de que la cantidad de viajes
esperados E(NV) va en aumento, así también el número de accidentes, pero a =
un
nivel de crecimiento mucho menor que la cantidad de viajes generados a mayo=
res
niveles de gestión de riesgo.
4 Di=
scusión
Las conclusiones a las
que se ha llegado, luego de este trabajo investigativo se pueden resumir en=
los
siguientes puntos:
En las compañías de
transporte, la gestión de riesgo operacional se resume en la gestión de rie=
sgo
vial, por lo que la gestión de la seguridad vial es la equivalencia a la
gestión del riesgo en las operaciones de compañías de transporte.
El sector de transpor=
te
de combustibles claro en Panamá ha ido evolucionando en su implantación de
niveles de gestión de riesgo hasta llegar a contar con muy buenos niveles en
gestión de seguridad vial.
La demanda de combust=
ible
claro esperada es sumamente alta por lo que hay una expectativa que aumente
significativamente la cantidad de viajes del transporte de combustible
claro. Esto, hace aumentar la expo=
sición
de los equipos y que se incremente el número de compañías pequeñas que se s=
umen
al transporte y por consecuencia aumente el riesgo de accidentes y fatalida=
des.
Los accidentes y
fatalidades por accidentes de tránsito tienen varias variables que las
generan. La gestión de riesgo en
seguridad vial es un factor determinante para reducirlas, pero no la única.=
5 Recomendaciones
Ahora se hace la presentación de las
recomendaciones, que se puede ofrecer como resultado de esta investigación:=
Se debe aplicar auditorías por parte de
una autoridad, tal vez del Estado, para que se tenga una medida del nivel de
gestión de riesgo con muestras de evidencias del cumplimiento en lugar de s=
olo
la aplicación de la encuesta.
La herramienta presentada, en este tra=
bajo
investigativo puede ser utilizada en futuras auditorías con modificaciones =
en
las columnas dicotómicas anuales para ser evaluaciones del periodo elegido,
pero bajo una escala Likert.
La industria del transporte de combust=
ible
claro necesita determinar y documentar en sus sistemas de gestión de la
seguridad vial como resultados esperados la disminución de accidentes y por
ende las fatalidades generadas en las operaciones.
Se deben establecer sistemas de audito=
rías
a los sistemas de gestión de riesgo de las compañías de transporte, princip=
almente
para las empresas pequeñas (de tres o menos equipos). Estas compañías pueden ser apoyadas por=
las
empresas que las sub contratan para transportarles productos, ya que muchas
veces sus clientes poseen los recursos y conocimientos para mejorar sus
procesos.
Las autoridades, deben de implementar
programas de ayuda a las compañías chicas del transporte para que mejoren s=
us
sistemas de gestión de seguridad vial.
Estas, pueden ser por medio de capacitaciones en seguridad vial por
medio de INADEH y UDELAS, por ejemplo.
Se propone investigar, el impacto de la
fatiga en los accidentes de tránsito de los camiones de carga ya que es el
tercer punto más mencionado como razón de los accidentes viales y que en Pa=
namá
no hay una legislación propiamente que regule los tiempos de jornada de los
conductores del transporte de carga.
Panamá debe considerar la adopción de
normas internacionales de gestión de riesgo como la ISO 39001:2012. Con estas normas se pueden realizar
capacitaciones y auditorías a los transportistas para poder dar guías y
correcciones que salven vidas.
6 Bibliografía
International Standard
Organization. 2017. I=
SO
39001:2012. Road traffic safety (RTS) management systems - Requirements w=
ith
guidance for use. [En línea] 2017. [Citado el: 01 de mar=
zo
de 2017.] https://www.iso.org/standard/44958.html.
Organización Mundial de La Salud. 2016.
Decenio de Acción para la Seguridad Vial 2011-2020. [En línea] 1 de agost=
o de
2016. http://www.who.int/roadsafety/decade_of_action/es/.
Sáenz, Estefanía y Moya, Marian. 2017.=
Evaluación
del nivel de gestión de la seguridad vial basado en las buenas prácticas =
para
el transporte de carga. Panamá : Universidad Tecnológica de Pana=
má,
2017.
Secretaría Nacional de Energía. 2020.
Información sobre energía en Panamá. [En línea] 2020. [Citado el: 10 de e=
nero
de 2020.] http://www.energia.gob.pa/.
Sminkey, Laura. 2011. Decenio de acción para=
la
seguridad vial 2011-2020. Geneva : World Health Organization, 20=
11.
—. 2010. Decenio de Acción para la Seguridad Vial 2011-2020.=
Geneva : World Health Organization, 2010.
Sterman, John. 2000.
Torres, Práxedes. 2017. La gestión de riesgo c=
omo
factor determinante en la reducción de fatalidades por accidentes de trán=
sito
en el transporte. Panamá : Universidad del Istmo, 2017.
—. 2017. La gestión de riesgo como factor determinante en la
reducción de fatalidades por accidentes de tránsito en el transporte. Panamá :
Universidad del Istmo, 2017.
UNAD. 1995. Lección 17: Diagramas de Forrester. [=
En
línea] 1995. [Citado el: 1 de Febrero de 2016.]
http://datateca.unad.edu.co/contenidos/301126/301126/leccin_17_diagramas_=
de_forrester.html.
Invest. Pens. Crit. (ISSN 1812-3864; e=
ISSN
2644-4119)
Vol. 8, No. 1, Enero - Abril 2020
pp. 29 - 44
__________________________________________________________________________=
___________