Este estudio analiza cómo incrementar el uso de energía solar en Indonesia, un país con gran potencial solar pero con una adopción baja. El objetivo principal es mejorar la “tasa de cumplimiento” de la generación eléctrica mediante plantas solares fotovoltaicas (PV), en especial mediante paneles solares en techos (rooftop PV). Para ello, se propone el uso de modelos de dinámica de sistemas que permiten analizar las interacciones entre variables económicas, técnicas, ambientales y políticas que influyen en el desarrollo de la energía solar. La metodología permite que podamos entender el comportamiento del sistema, y también simular escenarios futuros y proponer estrategias.
El modelo se construyó a partir de un diagrama de bucles causales (CLD) que incluye variables como capacidad instalada de rooftop PV, producción de electricidad, consumo por sector, costos, ingresos y retorno de inversión (ROI). El modelo incluye ciclos de retroalimentación positivos, como el aumento de la capacidad instalada que genera más electricidad y mejora el ROI, y negativos, como la reducción del precio del FIT cuando hay demasiada generación. Luego, se desarrolló un diagrama de existencias y flujos (SFD), donde se modelaron ecuaciones para calcular producción, consumo, costos nivelados (LCOE), precios e ingresos. El modelo consideró factores como la radiación solar constante, horarios operativos y tasas de interés, utilizando tanto datos oficiales y de literatura académica.
Se simularon dos escenarios: (1) aumentar la capacidad instalada en todos los sectores (hogar, industria, comercio y sector público), y (2) aplicar una política de tarifa fija garantizada (Feed-in Tariff o FIT). En el primer escenario, la producción eléctrica solar aumentó significativamente, alcanzando un crecimiento anual promedio del 69%, con una proyección de 62,118 GWh en 2042. En el segundo escenario, el ROI pasó de 56.9% a 276.3% en veinte años gracias al FIT, lo que incrementó la intención de inversión del 17% al 82.9%. Estos resultados muestran cómo políticas específicas pueden cambiar el comportamiento del sistema energético y atraer inversión privada.
El estudio recomienda aumentar la capacidad instalada de rooftop PV mediante incentivos fiscales, subsidios a I+D, y políticas como net metering. También propone establecer un esquema de tarifas garantizadas (FIT) que dé certeza a los inversionistas. El estudio reconoce que existen limitaciones como la necesidad de apoyo regulatorio, capacidad técnica local y cambios en la estructura tarifaria de la red. Aun así, el impacto potencial es alto, sobre todo en zonas con buena radiación solar.
Considero que no tengo el conocimiento para criticar el módelo, que ante un ojo inexperto como el mío luce detallado y parece que bien validado, de manera que permite entender la dinámica del sistema energético en Indonesia. Personalmente, aprendí cómo la dinámica de sistemas permite integrar múltiples dimensiones (económicas, técnicas y sociales) en un solo modelo, y cómo esto puede ser útil para diseñar políticas energéticas.
Este estudio analiza el papel del gas de lutitas* (shale gas) en la transición energética de China hacia una economía baja en carbono. A pesar de ser una fuente de energía más limpia que el carbón, su aporte sigue siendo limitado. El objetivo del estudio es predecir la producción futura de gas de lutitas considerando diversos factores como recursos, políticas, tecnología y economía. Para ello, se aplicó un modelo de dinámica de sistemas, lo cual permite representar de manera integrada y dinámica las relaciones causales entre múltiples variables que afectan la producción. Esta metodología es útil porque considera la retroalimentación y las relaciones no lineales.
El modelo se construyó a partir de un análisis causal que identifica cuatro dimensiones clave: garantía de demanda, desarrollo de producción, economía de mercado y medio ambiente. A partir de este análisis se diseñó un diagrama de bucles causales (CLD) y posteriormente un diagrama de existencias y flujos (SFD) con 39 variables (3 de estado, 5 tasas y 31 auxiliares). Se usó el software Vensim y se integraron relaciones matemáticas entre variables mediante regresiones, evaluaciones expertas y referencias de estudios previos. El modelo incorpora variables como la tasa de recuperación, el costo unitario, la intensidad de uso del agua, y la tasa de declive de la capacidad productiva, entre otras. Además, según el documento se validó mediante comparación con datos históricos y pruebas de sensibilidad.
El modelo simuló 16 escenarios posibles de producción de gas de lutitas entre 2023 y 2040. Bajo el escenario base, se estima que la producción alcanzará 724.22 × 10⁸ m³ en 2040, con una tasa de crecimiento promedio de 6.3% anual. En el mejor escenario, la producción podría ser casi el doble (951.57 × 10⁸ m³). Se encontró que las variables con mayor sensibilidad sobre la producción son la tasa de recuperación, la intensidad de uso de agua, el costo unitario y la tasa de declive de capacidad. Aunque la proporción de gas de lutitas en la producción nacional aumentará, su participación en el consumo total seguirá siendo moderada, parece que su rol será el de una fuente de transición hacia otras fuentes de energía más sostenibles.
El estudio nos dice lo siguiente: 1) priorizar la explotación de recursos superficiales antes de pasar a formaciones más profundas, 2) fomentar la innovación tecnológica para aumentar la eficiencia de extracción, 3) aplicar subsidios flexibles e incentivos fiscales para mejorar la rentabilidad, y 4) mejorar la gestión ambiental y del uso del agua. Estas medidas podrían estabilizar e incrementar la producción, así como reducir el impacto ambiental.
Al igual que en el caso anterior, considero que no tengo el conocimiento necesario para hacer una crítica detallada del modelo. Sin embargo es evidente que este incluye múltiples factores que interactúan en la producción de gas de lutitas. Además, logra predicciones coherentes con otros estudios. Como limitación, algunas variables se basan en estimaciones debido a la falta de datos precisos, lo cual podría afectar la exactitud del modelo. Este estudio me permitió ver cómo la dinámica de sistemas es útil no solo para entender un fenómeno energético complejo, sino también para explorar escenarios de política pública en entornos de alta incertidumbre, que es el objetivo final del diplomado.
El estudio analiza la cadena de suministro de pescado congelado en TPI Karangsong, Indonesia. En un país donde el sector pesquero es importante económicamente, el estudio busca mejorar la eficiencia y calidad del producto a través de la implementación de modelos de dinámica de sistemas. Esto permite entender las interacciones entre variables como almacenamiento, transporte, ingresos y costos a lo largo del tiempo.
El modelo se construyó con el software Vensim PLE, partiendo de diagramas causales (CLD) y de existencias y flujos (SFD). Se identificaron seis submodelos interrelacionados: pescado en TPI, almacenamiento en frío, frigoríficos, ingresos totales, flujo de caja y camiones refrigerados. El modelo combina métodos cualitativos (entrevistas con pescadores y comerciantes) y cuantitativos (datos históricos y simulaciones), y fue validado con datos reales del periodo 2021-2023 mediante correlación estadística. Entre las variables principales se incluyen la cantidad de pescado capturado, capacidad de almacenamiento, costos de renta, inversión en equipos, y calidad del producto.
Se simularon cuatro escenarios principales: (1) línea base sin intervención, (2) adquisición de camiones refrigerados, (3) integración de camiones y almacenamiento en frío, y (4) combinación de camiones, almacenamiento y caída en la pesca. En el escenario 2, se observó una caída temporal en el flujo de caja debido a la inversión inicial, pero un aumento sostenido en los ingresos gracias a la mejora en la calidad del producto. En el escenario 3, la integración de almacenamiento y transporte permitió mayor estabilidad en calidad y precios. En el escenario 4, a pesar de la reducción en las capturas, la estrategia mitigó las pérdidas al mantener la calidad y flujo de ingresos.
El estudio concluye que es necesario invertir en camiones refrigerados y ampliar la capacidad de almacenamiento en frío para conservar la calidad del pescado y aumentar su valor comercial. Además, se recomienda planificar la pesca según la capacidad de almacenamiento y condiciones del mercado.
Nuevamente, por falta de experiencia en el tema incluyo algunas observaciones superficiales. Opino que el estudio luce integral, al incorporar tanto datos cualitativos como cuantitativos. Aprendí que la dinámica de sistemas es una herramienta poderosa para analizar cadenas de suministro complejas, y que su uso facilita la toma de decisiones en escenarios complejos.