La simulación por computadora es un método destacado en los estudios organizacionales y la gestión estratégica. [1] Si bien hay muchos usos para la simulación por computadora (incluido el desarrollo de sistemas de ingeniería dentro de empresas de alta tecnología), la mayoría de los académicos en los campos de administración estratégica y estudios organizacionales han utilizado la simulación por computadora para comprender cómo operan las organizaciones o empresas. Más recientemente, sin embargo, los investigadores también han comenzado a aplicar la simulación por computadora para comprender el comportamiento organizacional a un nivel más micro, centrándose en la cognición y el comportamiento individual e interpersonal [2] , como el trabajo en equipo .[3]
Si bien los investigadores de estrategias han tendido a centrarse en probar las teorías del desempeño de las empresas, muchos teóricos organizacionales se centran en teorías más descriptivas [ cita requerida ] , el único tema unificador ha sido el uso de modelos computacionales para verificar o ampliar las teorías. Tal vez no sea accidental que los investigadores que utilizan la simulación computacional se hayan inspirado en ideas de modelos biológicos , ecología , física teórica y termodinámica , teoría del caos , teoría de la complejidad y estudios de la organización, ya que estos métodos también se han utilizado de manera fructífera en esas áreas.
Distinciones / definiciones básicas
Los investigadores que estudian organizaciones y empresas que utilizan simulaciones por computadora utilizan una variedad de distinciones y definiciones básicas que son comunes en la ciencia computacional.
- Basados en agentes frente a basados en ecuaciones: los modelos basados en agentes se despliegan de acuerdo con las interacciones de acciones relativamente simples, mientras que los modelos basados en ecuaciones se despliegan numéricamente con base en una variedad de ecuaciones dinámicas o de estado estacionario (Nota: algunos argumentan que esto es algo así como una distinción falsa ya que algunos modelos basados en agentes usan ecuaciones para dirigir el comportamiento de sus agentes)
- Modelo: versiones simplificadas del mundo real que contienen solo elementos esenciales de interés teórico [4]
- Complejidad del modelo: el número de partes conceptuales en el modelo y las conexiones entre esas partes [5]
- Determinista frente a estocástico: los modelos deterministas se desarrollan exactamente según lo especificado por alguna lógica preespecificada, mientras que los modelos estocásticos dependen de una variedad de extracciones de distribuciones de probabilidad
- Optimización frente a descriptiva: modelos con actores que buscan óptimos (como los picos en los paisajes de fitness) o no
Enfoques metodológicos
Existe una variedad de enfoques metodológicos diferentes en el área de la simulación computacional. Estos incluyen, entre otros, los siguientes. (Nota: esta lista no es mutuamente excluyente ni colectivamente exhaustiva, pero intenta ser justa con las tendencias dominantes. Para tres taxonomías diferentes, ver Carley 2001; Davis et al. 2007; Dooley 2002)
- Modelos basados en agentes: modelos computacionales que investigan la interacción de múltiples agentes (muchos de los siguientes enfoques también pueden estar 'basados en agentes')
- Autómatas celulares: modelos que exploran múltiples actores en el espacio físico cuyo comportamiento se basa en reglas.
- Modelos de redes dinámicas: cualquier modelo que represente actores y entidades no actores (tareas, recursos, ubicaciones, creencias, etc.) conectados a través de enlaces relacionales como en el análisis de redes dinámicas.
- Algoritmos genéticos: modelos de agentes cuya información genética puede evolucionar con el tiempo.
- Basado en ecuaciones (o modelado no lineal): modelos que utilizan ecuaciones (normalmente no lineales ) que determinan el estado futuro de sus sistemas.
- Modelos de redes sociales: cualquier modelo que represente a los actores conectados a través de 'lazos' estereotipados como en el análisis de redes sociales.
- Simulación estocástica: modelos que involucran variables aleatorias o fuente de estocasticidad
- Dinámica de sistemas : enfoque basado en ecuaciones que utiliza bucles casuales y existencias y flujos de recursos
- Modelado NK: actores modelados como N nodos vinculados a través de K conexiones que (típicamente) intentan alcanzar la cima de un panorama de fitness
Investigaciones tempranas
Las primeras investigaciones en estrategia y organizaciones que utilizan la simulación computacional se centraron en el macrocomportamiento de los sistemas o en los mecanismos organizativos específicos. Los aspectos más destacados de las primeras investigaciones incluyeron:
- Cohen, March y Olsen (1972) Garbage Can Model of Organizational Choice modeló las organizaciones como un conjunto de soluciones que buscaban problemas en una organización bastante anárquica al estilo de un "bote de basura".
- El estudio de March (1991) sobre Exploración y explotación en el aprendizaje organizacional utilizó la distinción básica de exploración / explotación de John Holland (1975) para mostrar el valor de los aprendices lentos en las organizaciones.
- La teoría evolutiva del cambio económico de Nelson y Winter (1982) utilizó una simulación para mostrar que un modelo evolutivo podría producir el mismo tipo de cifras de PIB / productividad que la teorización neoclásica de la elección racional.
Investigación posterior
La investigación posterior utilizando simulación computacional floreció en la década de 1990 y más allá. Los aspectos más destacados incluyen:
- Modelo de demografía y cultura organizacional de Carroll y Harrison (1998)
- Modelo de estructura organizativa de Davis, Eisenhardt & Bingham (2009) en entornos impredecibles
- Modelo de búsqueda cognitiva y experiencial de Gavetti y Levinthal (2000)
- Modelo de adaptación NK de Levinthal (1997) en paisajes de fitness accidentados
- Estudio de Rivkin (2000) sobre imitación estratégica
- El modelo de Rudolph & Repenning (2002) de los desastrosos puntos de inflexión
- El modelo de Sastry (1997) de cambio organizacional puntuado
- Modelo de Zott (2003) de evolución estratégica y capacidades dinámicas
Referencias
- ^ Harrison, Lin, Carroll y Carley, 2007
- ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Modelado y simulación basados en agentes: la contribución potencial a la psicología organizacional". Revista de Psicología Ocupacional y Organizacional . 85 (3): 487–502. doi : 10.1111 / j.2044-8325.2012.02053.x .
- ^ Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). "El desarrollo de un marco de modelado basado en agentes para simular el trabajo en equipo de ingenieros". Transacciones IEEE sobre sistemas, hombre y cibernética - Parte A: Sistemas y seres humanos . 42 (6): 1425–1439. doi : 10.1109 / TSMCA.2012.2199304 .
- ^ Lave y marzo de 1975
- ↑ Simon 1969
Otras lecturas
- Adner, R .; Levinthal, D. (2001). "Demanda heterogeneidad y evolución tecnológica: implicaciones para la innovación de productos y procesos" . Ciencias de la gestión . 47 (5): 611–628. doi : 10.1287 / mnsc.47.5.611.10482 . Archivado desde el original el 25 de septiembre de 2009 . Consultado el 14 de julio de 2006 .
- Bruderer, E .; Singh, JS (1996). "Selección, aprendizaje y evolución organizacional: un modelo basado en algoritmos genéticos". Revista de la Academia de Administración . 39 (5): 1322-1349. doi : 10.2307 / 257001 . JSTOR 257001 .
- Carley, KM 2001. Enfoques computacionales para la teorización sociológica. En J. Turner (Ed.), Manual de teoría sociológica: 69–84. Nueva York, NY: Kluwer Academic / Plenum Publishers [1] .
- Carroll, G .; Harrison, JR (1998). "Cultura y demografía organizacional: conocimientos de un modelo formal y simulación" . Trimestral de Ciencias Administrativas . 43 (3): 637–667. doi : 10.2307 / 2393678 . JSTOR 2393678 . Archivado desde el original el 10 de septiembre de 2006 . Consultado el 14 de julio de 2006 .
- Cohen, MD; March, J .; Olsen, JP (1972). "Un modelo de cubo de basura de elección organizacional". Trimestral de Ciencias Administrativas . 17 (1): 1–25. doi : 10.2307 / 2392088 . JSTOR 2392088 .
- Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). "El desarrollo de un marco de modelado basado en agentes para simular el trabajo en equipo de ingenieros". Transacciones IEEE sobre sistemas, hombre y cibernética - Parte A: Sistemas y seres humanos . 42 (6): 1425–1439. doi : 10.1109 / TSMCA.2012.2199304 .
- Davis, JP; Eisenhardt, KM; Bingham, CB (2007). "Desarrollo de teoría con métodos de simulación" . Academy of Management Review . 32 (2): 480–499. CiteSeerX 10.1.1.562.5016 . doi : 10.5465 / AMR.2007.24351453 .
- Davis, JP; Eisenhardt, KM; Bingham, CB (2009). "Estructura óptima, dinamismo del mercado y estrategia de reglas simples" . Trimestral de Ciencias Administrativas . 54 (3): 413–452. doi : 10.2189 / asqu.2009.54.3.413 . hdl : 1721,1 / 52690 .
- Forrester, J. 1961. Industrial Dynamics. Cambridge, Massachusetts: MIT Press.
- Gavetti, G .; Levinthal, D. (2000). "Mirando hacia adelante y hacia atrás: búsqueda cognitiva y experiencial" . Trimestral de Ciencias Administrativas . 45 (1): 113-137. doi : 10.2307 / 2666981 . JSTOR 2666981 . Archivado desde el original el 25 de septiembre de 2009 . Consultado el 14 de julio de 2006 .
- Harrison, JR; Lin, Z .; Carroll, GR; Carley, KM (2007). "Modelado de simulación en investigación organizacional y de gestión". Academy of Management Review . 32 (4): 1229-1245. doi : 10.5465 / amr.2007.26586485 .
- Holanda, JH 1975. Adaptación en sistemas naturales y artificiales. Ann Arbor, MI: Prensa de la Universidad de Michigan.
- Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Modelado y simulación basados en agentes: la contribución potencial a la psicología organizacional". Revista de Psicología Ocupacional y Organizacional . 85 (3): 487–502. doi : 10.1111 / j.2044-8325.2012.02053.x .
- Kauffman, S. 1989. Adaptación sobre paisajes de fitness accidentados. En E. Stein (Ed.), Conferencias sobre la ciencia de la complejidad. Reading, Mass .: Addison – Wesley.
- Kauffman, S. 1993. The Origins of Order. Nueva York, NY: Oxford University Press.
- Langton, CG 1984. Autorreproducción en autómatas celulares. Physica, 10D: 134-144.
- Lant, T .; Mezias, S. (1990). "Gestión del cambio discontinuo: un estudio de simulación del aprendizaje organizacional y el espíritu empresarial". Revista de Gestión Estratégica . 11 : 147-179. JSTOR 2486675 .
- Lave, C. y March, JG 1975. Introducción a los modelos en las ciencias sociales. Nueva York, NY: Harper and Row.
- Law, AM y Kelton, DW 1991. Modelado y análisis de simulación (2ª ed.). Nueva York, NY: McGraw – Hill.
- Levinthal, D (1997). "Adaptación sobre paisajes accidentados". Ciencias de la gestión . 43 (7): 934–950. doi : 10.1287 / mnsc.43.7.934 .
- Lomi, A .; Larsen, E. (1996). "Interactuar localmente y evolucionar globalmente: un enfoque computacional de la dinámica de las poblaciones organizativas". Revista de la Academia de Administración . 39 (5): 1287-1321. doi : 10.2307 / 257000 . JSTOR 257000 .
- Marzo, JG (1991). "Exploración y explotación en el aprendizaje organizacional". Ciencias de la Organización . 2 (1): 71–87. doi : 10.1287 / orsc.2.1.71 .
- Nelson, RR y Winter, SG 1982. Una teoría evolutiva del cambio económico. Cambridge, Massachusetts: Belknap - Harvard University Press.
- Repenning, N (2002). "Un enfoque basado en simulación para comprender la dinámica de la implementación de la innovación". Ciencias de la Organización . 13 (2): 109-127. doi : 10.1287 / orsc.13.2.109.535 . hdl : 1721,1 / 3803 .
- Rivkin, J. (2000). "Imitación de estrategias complejas". Ciencias de la gestión . 46 (6): 824–844. doi : 10.1287 / mnsc.46.6.824.11940 .
- Rivkin, J. (2001). "Reproducir conocimiento: replicación sin imitación en complejidad moderada". Ciencias de la Organización . 12 (3): 274-293. doi : 10.1287 / orsc.12.3.274.10106 .
- Rudolph, J .; Repenning, N. (2002). "Dinámica de desastres: comprensión del papel de la cantidad en el colapso organizacional" . Trimestral de Ciencias Administrativas . 47 (1): 1–30. doi : 10.2307 / 3094889 . JSTOR 3094889 .[ enlace muerto permanente ]
- Sastry, MA (1997). "Problemas y paradojas en un modelo de cambio organizacional puntuado". Trimestral de Ciencias Administrativas . 42 (2): 237–275. doi : 10.2307 / 2393920 . JSTOR 2393920 .
- Schelling, T (1971). "Modelos dinámicos de segregación". Revista de Sociología Matemática . 1 (2): 143–186. doi : 10.1080 / 0022250x.1971.9989794 .
- Simon, H. 1996 (1969; 1981) Las ciencias de lo artificial (3ª edición) MIT Press [2] .
- Sterman, J. 2000. Dinámica empresarial: pensamiento y modelado de sistemas para un mundo complejo. Nueva York, NY: Irwin McGraw – Hill.
- Sterman, J .; Repenning, N .; Kofman, F. (1997). "Efectos secundarios imprevistos de programas de calidad exitosos: exploración de una paradoja de mejora organizativa". Ciencias de la gestión . 43 (4): 503–521. doi : 10.1287 / mnsc.43.4.503 . hdl : 1721,1 / 2506 .
- Wolfram, S. 2002. Un nuevo tipo de ciencia. Champaign, IL: Wolfram Media.
- Zott, C (2003). "Capacidades dinámicas y la aparición del rendimiento de la empresa diferencial intraindustrial: conocimientos de un estudio de simulación" . Revista de Gestión Estratégica . 24 (2): 97-125. doi : 10.1002 / smj.288 .