La resiliencia económica de las regiones

La resiliencia es un término relativamente nuevo en economía. Aunque el concepto se ha utilizado durante tiempo en otros ámbitos como la ecología, últimamente ha atraído la atención de analistas regionales y economistas espaciales y geógrafos, especialmente desde la última crisis económica internacional. En términos generales, la idea principal lo que nos dice es que diferentes grados de resiliencia explican las diferentes tendencias de crecimiento económico en las regiones de un país.

Aunque no existe una definición universalmente aceptada de resiliencia económica regional, hay tres formas de interpretar el concepto. La más frecuente es la “resiliencia de la ingeniería” que se centra en la resistencia que tiene, en este caso una región, ante un shock económico y la velocidad de recuperación. Para medir la resiliencia regional los dos indicadores más comunes que se emplean son el PIB y el empleo de una región. En concreto, la tasa de variación del PIB o del empleo de una región en relación con la tasa de variación del país para un período concreto de tiempo.

Evolución PIB per capita 1980-2015

Estudiar el caso de las regiones españolas resulta interesante, ya que existen diferencias entre las mismas en términos de PIB y de empleo durante los períodos de crisis. La última crisis económica ha afectado a España de manera más dura que en otros países europeos y ha dejado altas tasas de desempleo y grandes diferencias entre las comunidades autónomas.

Evolución tasa de empleo (1980-2015) en comunidades autónomas España

La estructura productiva de una región es uno de los factores principales a la hora de explicar la resiliencia regional; de hecho, los efectos de una crisis pueden diferir sustancialmente entre industrias. La industria manufacturera, la minería, energía y construcción son sectores que tienden a comportarse peor que el sector servicios. Baleares, Canarias y Madrid, cuya especialización es el sector servicios, son las comunidades autónomas más resilientes de España en las últimas crisis económicas (1992-93, 2008-2013). Diferentes estudios confirman que el turismo es un factor que afecta positivamente a la capacidad de afrontar una recesión económica. Asimismo, la resiliencia de las islas, como Baleares y Canarias, se debe principalmente a la industria del turismo, que supone un pilar fundamental para la recuperación de las economías ante las crisis.

Enlaces de interés

 

Este post ha sido realizado por Yolanda Ubago Martínez, licenciada en Economía y doctora por la Universidad Pública de Navarra

¿Cuál es el objeto más lejano del Universo?

Hace pocos años se observó y estudió una galaxia que batió el récord de objeto más antiguo conocido: se formó casi a la vez que la luz empezó a recorrer el Universo, pero ¿cómo fue posible verla? Javier Armentia y Joaquín Sevilla lo explican en este vídeo de la serie divulgativa Ciencia en el Bar

La luz que se recoge partió de dicha galaxia en una fase muy temprana del universo, muy poco después de que la luz empezara a viajar por el espacio. En etapas anteriores, la densidad y temperatura de la materia la mantenía en estado de plasma y, entre cargas libres, la luz no viaja: es absorbida y reemitida continuamente por las cargas y no progresa.

Esa luz se ha ido esparciendo por el Universo. Si podemos verla hoy desde la Tierra es gracias a una afortunada casualidad y a una consecuencia sorprendente de la teoría de la relatividad general de Einstein: el efecto de lente gravitatoria.

La consecuencia de la relatividad es que la luz es atraída por la gravedad y, al pasar cerca de objetos muy masivos, su trayectoria se curva. De esta forma, puede ocurrir que en una región del espacio haya una gran concentración de materia que actúe como una lupa, reconcentrando tras ella los rayos que le llegaban divergentes.

Eso es lo que ocurre con un cúmulo de galaxias que hay entre el objeto antiquísimo (MACS0647-JD) y la Tierra. Como estas gigantescas lentes no se pueden mover a voluntad es por una (afortunada) casualidad que la tierra queda en el foco en el que el cúmulo de galaxias reconcentra la luz del MACS0647-JD.

Enlaces de interés

 

Este post ha sido editado por la Unidad de Cultura Científica (UCC) de la Universidad Pública de Navarra

Técnicas para ayudar en la toma de decisiones

La sociedad de la que formamos parte confía cada vez más en sistemas tecnológicos complejos para prestar servicios y producir bienes de consumo. Podemos pensar en sistemas de gestión de tráfico y flotas de vehículos, sistemas de producción, puertos y aeropuertos, sistemas de mantenimiento industrial, redes de telefonía, sistemas de gestión médica y hospitalaria, sistemas de gestión de recursos en catástrofes naturales, etc.

Estos sistemas complejos deben ser diseñados y operados de manera que satisfagan las expectativas de los usuarios, que suelen ser muy exigentes, por lo que es necesario que su funcionamiento sea óptimo o, al menos, que utilicen de forma eficiente los recursos disponibles.

El diseño y la operación de estos sistemas exigen tomar numerosas decisiones, ya que suelen presentar muchos grados de libertad que deben ser configurados. Por ejemplo, al operar un sistema productivo es preciso definir el tipo de productos que se van a fabricar en cada momento, las materias primas y otros recursos, los flujos de información, recursos y productos, etc. Al diseñar un sistema productivo es necesario definir el tipo y número de máquinas que se instalarán, su ubicación y cómo será la operación de dicho sistema.

Problemas y dificultades

Uno de los problemas más difíciles en el contexto de la toma de decisiones en sistemas complejos es predecir cuáles serán las consecuencias de tal o cual decisión, especialmente en escenarios con alta incertidumbre. En ocasiones, una mala decisión puede tener consecuencias nefastas para la seguridad de las personas o para la supervivencia de una empresa.

Existen diversas técnicas que ayudan a tomar decisiones basándose en predicciones. Una de ellas está sustentada en modelos de simulación. Este concepto se basa en el desarrollo de una descripción cuantitativa del sistema complejo de interés. Puede realizarse por medio de un algoritmo, de un grafo (en la imagen inferior se muestra un tipo particular de grafos de sistemas complejos llamados redes de Petri) o de expresiones matemáticas como ecuaciones diferenciales o ecuaciones de estado para sistemas de eventos discretos.

 

Los modelos se pueden configurar con las decisiones que se deseen tomar y su evolución puede simularse en periodos de tiempo virtual, permitiendo así conocer los efectos de dichas decisiones. El grado de precisión de la predicción dependerá de lo fiel y detallado que sea el modelo respecto del sistema original, así como del grado de incertidumbre en la información disponible para construir el modelo.

Una dificultad añadida al problema de la toma de decisiones en sistemas complejos es la llamada explosión combinatoria. Este problema surge cuando se pueden construir soluciones al problema de decisión completo combinando soluciones parciales a cada grado de libertad del sistema. El número de combinaciones posibles en ese contexto puede ser gigantesco y es lo que define el tamaño del espacio de soluciones.

Selección de soluciones

La exploración exhaustiva del espacio de soluciones llevaría demasiado tiempo, por lo que solo suele ser posible analizar un pequeño número de ellas. Estas soluciones permiten configurar el modelo y simularlo para predecir los efectos de dicha decisión. La selección de las soluciones a simular se suele hacer de forma intuitiva. La intuición puede ser de personas expertas en el ámbito del problema, aunque también es posible utilizar la “intuición” de un algoritmo, como en el caso de las heurísticas y las metaheurísticas. Algunas de ellas imitan fenómenos naturales como el de la evolución de las especies, el comportamiento de colonias de hormigas, enjambres de partículas o el recocido de metales.

Una vez explorado un cierto número de soluciones prometedoras y evaluados los efectos de cada una de ellas en relación con los objetivos del sistema, es posible jerarquizar las soluciones analizadas o escoger una de ellas para una toma de decisiones. Este tipo de metodología ha sido planteado y aplicado satisfactoriamente por investigadores de la UPNA a sistemas de fabricación, industria alimentaria, industria 4.0, gestión de tráfico y redes logísticas, entre otros.

 

Este post ha sido realizado por Juan Ignacio Latorre Biel, profesor del Departamento de Ingeniería Mecánica, Energética y de Materiales de la Universidad Pública de Navarra (UPNA) y miembro del Institute of Smart Cities (ISC)

¿Qué es la materia oscura?

El profesor e investigador Joaquín Sevilla y el astrofísico Javier Armentia utilizan el café para contarnos qué es la materia oscura. El objetivo de este vídeo de la serie divulgativa “Ciencia en el bar” es explicar ese concepto y por qué se postula su existencia a pesar de ser “oscura”; es decir, invisible.

La observación astronómica actual proporciona unos datos muy precisos de posición y movimiento de las estrellas. Las galaxias son agrupaciones de estrellas que se mueven conjuntamente debido a que la atracción gravitatoria de unas respecto de otras proporciona una cierta cohesión al conjunto.

El análisis detallado de los datos, sin embargo, muestra que el movimiento de las estrellas en las galaxias es más compacto del que correspondería exclusivamente a la atracción gravitatoria de las estrellas. Para que las observaciones cuadren con las previsiones derivadas de la gravedad es necesario suponer que hay más materia ejerciendo atracción gravitatoria. Pero esa materia extra no se observa en los telescopios; es como si no interaccionara con la luz (de ninguna frecuencia observable). Por lo primero, por ser objeto de la atracción gravitatoria, se le llama “materia”, mientras que por lo segundo, por su invisibilidad, se le llama “oscura” (quizá un adjetivo poco afortunado). Y así queda para este concepto el nombre de “materia oscura”.

Enlaces de interés

 

Este post ha sido editado por la Unidad de Cultura Científica (UCC) de la Universidad Pública de Navarra