Simulación con dinámica de sistemas: la reforma al sistema penal acusatorio Seminario de...
-
Upload
pilar-hurtado -
Category
Documents
-
view
212 -
download
0
Transcript of Simulación con dinámica de sistemas: la reforma al sistema penal acusatorio Seminario de...
Simulación con dinámica de sistemas:
la reforma al sistema penal acusatorio
Seminario de Investigación Departamento de Ingeniería Industrial
Universidad de los Andes
Bogotá, 14 de abril de 2008
Camilo Olaya
Agenda
• Reforma al Procedimiento Penal y el Observatorio Ciudadano - Articulación del Problema
• Formulación del modelo & simulador
• Examinación de políticas
• Perspectiva (pasos siguientes y conclusiones)
Sistema penal acusatorio colombiano SPA (L906/04)
• Sistema procesal
• Juicio : – Contienda entre iguales– Contradictorio, oral y público
• Juez :– Sujeto pasivo – Separado de las partes
• Fiscal : – Lidera fases de indagaciónindagación e
investigacióninvestigación– Inicia juicio con una acusación formal– Debe probar en el juiciojuicio
• Juez resuelve según su libre convicción
JUEZ
FISCAL ACUSADO
Actores e intervinientes
Fiscal
Policía judicial
Víctimas
JuezMinisterio público
Medicina legal
Acusado
DefensorCárceles
Organos de seguridad
Fase 1 (Ene/05) Armenia, Bogotá, M/zles, Pereira
Fase 2 (Ene/06)B/manga, Buga, Cali, Medellín, San Gil, S.Rosa de Viterbo, Tunja
Fase 3 (Ene(07)Antioquia, Cund., Florencia, Ibagué, Neiva, Pasto, Popayán, V/cencio
Fase 4 (Ene/08)
B/quilla, C/gena, Cúcuta, Montería, Quibdó, Pamplona, Riohacha, S.Marta, Sincelejo, V/upar y demás distritos
Implementación por fases
Diseño, ejecución y monitoreo del SPA
Delitos, seguridad
Rama legislativa
Rama ejecutiva
Investigación y acusación
Juzgamiento Castigo y rehabilitación
Rama judicial
Observatorio ciudadano del sistema penal acusatorio (“CEJOSPA”)
Funciones del Observatorio:• Acompañamiento y observación ciudadana permanente sobre funcionamiento,
resultados e impacto del SPA
• Aportar elementos para contar con ciudadanos más informados y participativos
• Incentivar diálogos y alianzas con grupos y entidades interesadas
• Destacar logros y alertar sobre dificultades
• Generar información para la definición de políticas y ejecución de planes de acción por parte de las autoridades competentes
La Corporación Excelencia en la Justicia (CEJ) ejerció la Secretaría Técnica de la Comisión Constitucional Redactora de la reforma penal
Hoy ejerce la Secretaría Técnica de la Comisión Constitucional de Seguimiento.
Componentes del Observatorio
Brechas frente a expectativas institucionales
Modelo de la Dinámica del SPA
Brechas frente a expectativas ciudadanas
Identificación de mejores prácticas
Modelo de la Dinámica del SPA
Entender la justicia penal como un sistema.
Mediante el uso de simulación, comprender las consecuencias de la forma en que indicadores y variables considerados como relevantes se relacionan y afectan entre sí.
El modelo se sustenta en un conjunto de supuestos que representan el punto de vista preferencial desde el que se diseñará y analizará la efectividad de las políticas.
Metodología y construcción del modelo de simulación
CONCEPTUALIZACIÓN
Articulación del problema, propósito del modelo, tipos de preguntas, variables (tipo, fuentes de datos), hipótesis iniciales, diagramas de subsistemas
FORMULACION DEL MODELO
Modelos conceptuales, relaciones causales, modelo cuantitativo, reglas de decisión, definición de parámetros
DESARROLLO DEL SIMULADOR
Sectores a analizar, páneles de control, diseño de interfaz, pruebas, evalución de políticas y escenarios
EQUIPO TÉCNICOEQUIPO TÉCNICO
GerenteGloria María Borrero
Comité asesorIsaac Beltrán Oscar Flórez
Alfonso Reyes
CoordinadorCamilo Olaya
Grupo de ApoyoSantiago Moreno
Juan Carlos Arias
Armando Reyes
Ana María Ramos S.
Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD
(Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions
on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research,
Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University,
Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4),
pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final
Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy
appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL.
MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society.
Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA.
Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170
Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA
Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD
(Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions
on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research,
Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University,
Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4),
pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final
Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy
appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL.
MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society.
Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA.
Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170
Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA
Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD
(Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions
on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research,
Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University,
Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4),
pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final
Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy
appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL.
MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society.
Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA.
Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170
Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA
Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD
(Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions
on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research,
Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University,
Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4),
pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final
Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy
appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL.
MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society.
Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA.
Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170
Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA
Antecedentes DS en Colombia
Ariza, G., & Sotaquira, R. (2003). Análisis Dinámico-Sistémico De La Política De Modernizacion Del Sistema Judicial Colombiano. Paper presented at the I Congreso Latinoamericano de Dinámica de Sistemas, Instituto Tecnológico y de Estudios Superiores de Monterrey. Monterrey, México.
Hernández, J., & Dyner, I. (2001). Crisis in Colombian prisons: Cause or Consequence of a flawed judicial system? Paper presented at the The19th International Conference of The System Dynamics Society, Atlanta, GA.
Jaén, S., & Dyner, I. (2005). Espirales de la violencia. Revista de Dinámica de Sistemas, 1(1).
-
Población
Noticias criminales(denuncia y oficio)
+Casos en
indagación+
Casos eninvestigación
+
Casos enjuzgamiento
+
Sentencias
+
Personas enla cárcel
+
Hacinamiento +
Capacidadcarcelaria
+-
Impunidadpercibida por la
comunidad
+Nivel de confianzade ciudadanos en
el sistema
-
Casos que salen porprescripción
+
Casos que salen poraplicación del principio
de oportunidad +
Impunidadreal
++
Tiempo promedioen indagación
Tiempo promedio conel juez de conocimiento
--
Criminalidad
+
Criminalidadaparente+
Efectividad enrehabilitación
-
-
<Impunidad percibidapor la comunidad>
+
+
No.de policías devigilancia
-
No. de jueces deconocimiento
+
No. deinvestigadores
--
No. de fiscalesradicados
--
Tiempo desentenciapromedio
+<Tiempo de
sentenciapromedio>
-
SISTEMA CARCELARIO
SPA
CIUDADANIA
Un primer modelo del sistema de justicia penal
-
Población
Noticias criminales(denuncia y oficio)
+Casos en
indagación+
Casos eninvestigación
+
Casos enjuzgamiento
+
Sentencias
+
Personas enla cárcel
+
Hacinamiento +
Capacidadcarcelaria
+-
Impunidadpercibida por la
comunidad
+Nivel de confianzade ciudadanos en
el sistema
-
Casos que salen porprescripción
+
Casos que salen poraplicación del principio
de oportunidad +
Impunidadreal
++
Tiempo promedioen indagación
Tiempo promedio conel juez de conocimiento
--
Criminalidad
+
Criminalidadaparente+
Efectividad enrehabilitación
-
-
<Impunidad percibidapor la comunidad>
+
+
No.de policías devigilancia
-
No. de jueces deconocimiento
+
No. deinvestigadores
--
No. de fiscalesradicados
--
Tiempo desentenciapromedio
+<Tiempo de
sentenciapromedio>
-
SISTEMA CARCELARIO
SPA
CIUDADANIA
Foco: SPA(fase 1)
El problema: la acumulación creciente de casos desde la implementación del sistema (fase 1)
En particular, el 95% del total de la acumulación corresponde a los casos en indagación (aprox. 189.000 en 2007)
Fase de indagación.Acumulación de casos
0
50.000
100.000
150.000
200.000
2005-1 2005-2 2006-1 2006-2 2007-1
Semestres
ca
so
s
Fases de investigación y juzgamiento.Acumulación de casos
Casos en investig.
Casos en juzgamiento
0
1.000
2.000
3.000
4.000
5.000
2005-1 2005-2 2006-1 2006-2 2007-1
Semestres
Ca
so
s
Formulación del modeloMacro-modelo y sectores principales
Recursos humanos
Proceso penal
Sentencias
Delitos querellables Conciliación
Otras salidas
Denuncias y noticias criminales
Otras salidas
Indicadores
Desempeño
Indagación Investigación Juicio
Fiscales Jueces
PJ Curva de aprendizaje
RepresentaciónAcumulaciones y ratas de cambio
t
to
toNiveldsssalidaFlujosentradaFlujotNivel )())(_)(_()(
)(_)(_)(
tsalidaFlujotentradaFlujodt
Niveld
Nivel
Flujo de entrada Flujo de salida
Nivel(t) = Nivel(t - dt) + (Flujo_de_entrada - Flujo_de_salida) * dt
Nivel(t0) = N0
Ecuación de diferencia correspondiente:
Proceso penalConciliación Indagación Investigación JuicioEtapa de
conciliación
Conciliación
CASOS EN SAUIngreso
casos SAU
Arch79
Cambio Compt
Fuera FGN
Casos conciliados
Extincion accion penal
Casos no conciliados
)(
)(
)(
)(79
)(
)( ) (
tsconciliadonocasos
tsconciliadoCasos
tFGNFueraComptCambio
tArch
tpenalacciónExtinción
tSAUcasosIngresodt
SAUenCasosd
Proceso penalConciliación Indagación Investigación JuicioEtapa de
IndagaciónIndagación
Cambio Compet
Fuera FGN
CASOS
INDAG.
Aplicacion princ oportunidad Ind
Fin periodo prueba Ind
Arch art 79
ReanudacionIndagacion
Extinción acción
penal Ind
Archivos Prov
Cambio int L906 a 600
Prescripción archivos
Casos susp Ind
Extinción procesos suspend
Denuncia y Oficio
Form imputacionCasos no conciliados
Proceso penalConciliación Indagación Investigación JuicioEtapa de
InvestigaciónInvestigación
Preacuerdos
CASOS
INVEST
Formulacionimputación
Aplicac princ oportunidad Inv
Fin periodo prueba
Extinción acción penal
Casos susp Inv
Extinción suspendidos
Imputacion directa URI
Aceptacion cargos
Form acusacion
Proceso penalConciliación Indagación Investigación JuicioEtapa de
JuzgamientoJuicio
De Investigacion por aceptacion cargos
Aceptación cargos URI
Apelación
Formulacion acusacion
Casos en 2a instanc
Sentencias segunda instancia
Casos enaud prep
Acept en indiv
pena
Preacen indiv
pena
Aceptación cargosen aud prep
A juicio
Sentencias con preacuerdo
Casos en juicio oral
Sentencias con aceptación
Sentencias condenat
Individ y sentenciasdespues de juicio
Sentencias absolutorias
Casos en indivpena
Preacuerdos provenientesde investigacion
Proceso penalConciliación Indagación Investigación Juicio
Cambio Compet
Fuera FGN
De Investigacion por aceptacion cargos
CASOS EN SAU
Preacuerdos
CASOS INVESTG
Formulacionimputación
CASOS INDAGAC
Aplicacion princ oportunidad Inv
Fin periodo prueba Inv
Aceptación cargos URI
Extinción acción
penal Inv
Aplicacion princ oportunidad Ind
Fin periodo prueba Ind
Arch art 79
ReanudacionIndagacion
Extinción acción
penal Ind
Apelación
Formulacion acusacion
Ingreso casos SAU
Arch79
Casos susp Inv
Extinción procesos susp Inv
Indagac 2
Casos en 2a instanc
Sentencias segunda instancia
Extincion accion penal
Casos enaud prep
Cambio Compt
Fuera FGN
Acept en indiv
pena
Preacen indiv
pena
Archivos Prov
Aceptación cargosen aud prep
A juicio
Sentenciascon preacuerdo
Cambio int L906 a 600
Casos en juicio oral
Sentencias con aceptación
Sentencias condenat
Individ y sentenciasdespues de juicio
Sentencias absolutorias
Prescripción archivos
Casos conciliados
Casos no conciliados
Casos susp Ind
Extinción procesos susp Ind Indagac
Denuncia y Oficio
Imputacion directa URI
Casos en indivpena
Reglas de decisión en flujos de salida
Flujo de salida 1 = Recurso * productividad
Acumulación Flujo de salida 1
Recurso
Productividad
En este caso:
- Recursos: fiscales, apoyados por Policía Judicial
- Varios flujos de salida asociados a una misma acumulación
- El mismo recurso atiende varias etapas
Reglas de decisión en flujos de salida (II)
Flujo de salida, i, j = Tasa de evacuación i * Prob. Salida i,j
Tasa de evacuación i = Recurso * Productividad * Porcentaje de carga destinado a Etapa i
Tasa de evacuación i = Fiscales * Productividad semestral por fiscal *
Porcentaje de carga laboral en Etapa i
Acumulación Etapa i Flujo de salida i 1
Recurso Productividad
Tasa de evacuación
Etapa i
Prob salida i 1
Flujo de salida i 2
Prob salida i 2
Porcentaje de carga destinado a Etapa i
Reglas de decisión en flujos de salida (III)
Productividad semestral por fiscal en indagación = productividad semestral de referencia + Efecto PJ adicional
Efecto PJ adicional =
PJ adicionales *
efecto en la productividad por cada PJ
Falta incluir el impacto de la Policía Judicial en el trabajo de los fiscales en la etapa de indagación:
PRODUCTIVIDAD EN LA EVACUACIÓN DE PROCESOS EN ETAPA DE INVESTIGACIÓN PREVIA (LEY 600) EN FUNCIÓN
DEL NÚMERO DE FUNCIONARIOS DEL CTI
y = 0,5956x + 14,701
0
100
200
300
400
500
600
0 100 200 300 400 500
Número de funcionarios del CTI
Pro
med
io a
nual
de
proc
esos
tra
mita
dos
por
fisca
l en
la e
tapa
de
inve
stig
ació
n pr
evia
Planta de fiscales
Disminución fiscales Ley 600
Fiscales
Ley 906 Contratación fiscales
Ley 906 Fase I
Tiempo estimado de transición de
fiscales ley 600 a 906
Fiscales
Ley 600Fiscales ley 600 en 2006
Contratación
fiscales Ley 906
Tiempo inicial contratación
Tiempo final contratación
Salida
Fiscales
L906
Frac semestral normal
salida Fiscales
Cambio en
fraccion semestral
salida fiscales
Tiempo para cambio
de la frac semestral
de salida
Frac semestral
salida Fiscales
Indicadores
...32,1 ;
,ticiogación, jun, investi indagaciói
tsTotal Caso
i,ttapaCasos en E i,ttapacasos en E dePorcentaje
Acumulación:
titi NivelEtapanAcumulació ,,
Celeridad:
...321 ,, ttladasadas AcumuTotal Entr
tistemaos en el Ss AcumuladTotal Caso tCongestión
Selectividad:
321 . ..., , ttredas SemestTotal Sali
tOport.das P. de Total Salitnidad de OportuPrincipio Aplic
Examinación de políticas
El Principio de Oportunidad
Cambio Compet
Fuera FGN
CASOS INDAGAC
Aplicacion princ oportunidad Ind
Fin periodo prueba Ind
Arch art 79
ReanudacionIndagacion
Extinción acción
penal Ind
Archivos Prov
Cambio int L906 a 600
Prescripción archivos
Casos susp Ind
Extinción procesos susp Ind Indagac
Denuncia y Oficio
Form imputacion
Preacuerdos
CASOS INVESTG
Formulacionimputación
Aplicac princ oportunidad Inv
Fin periodo prueba
Extinción acción penal
Casos susp Inv
Extinción suspendidos
Imputacion directa URI
Aceptacion cargos
Form acusacion
El Principio de Oportunidad (II)Casos acumulados en la etapa de indagación con incrementos en la aplicación del
Principio de Oportunidad en las etapa de indagación e investigación.1: Caso base. 2: 10% incremento 3: +20%. 4: +30%. 5: +40% 6: +50%
Inquiry Stage - Variations in the Application of the Principle of Opportunity
Page 4
0.00 4.00 8.00 12.00 16.00 20.00
Semesters
1:
1:
1:
0
1000000
2000000
Inquiry Stage: 1 - 2 - 3 - 4 - 5 - 6 -
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5
6
6
6
6
El Principio de Oportunidad (III)
Congestion Rates - Variations in the Application of the Principle of Opportunity
Page 5
0.00 4.00 8.00 12.00 16.00 20.00
Semesters
1:
1:
1:
0.50
0.70
0.90
Congestion Accusatory System: 1 - 2 - 3 - 4 - 5 - 6 -
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
44
4
4
4
5
5
5
5
5
6
6
6
6
Valores para el indicador de Congestión incrementando la aplicación del principio de oportunidad en las etapas de indagación e investigación.
1: Caso base. 2: incremento de 10%. 3: 20%. 4: 30%. 5: 40%. 6: 50%
El Principio de Oportunidad (IV)
Discusión en el grupo de trabajo:
- La efectividad en disminuir la congestión con simplemente “buscar una mayor aplicación del principio de oportunidad”.
- ¿Implica esta mayor aplicación una mayor productividad?
Esta discusión aplica a cualquier otro mecanismo o política que se enfoque en algún flujo de salida.
Las políticas deben considerar las tasas de evacuación también.
Flujos de salida y tasas de evacuación¿Recursos vs. productividad?
Incremento muy fuerte de casos en indagación
En el largo plazo es inefectiva cualquier política de estas, por “fantástica” que ésta sea.
Colapso de la etapa de juzgamiento ante el aumento de la eficiencia de la FGN
Estas políticas están incompletas si no consideran la tasa de entrada de casos al sistema
Productividad base. 108 casos / anuales. Planta base: 523 fiscales Productividad aumenta t = 0 t = 30Planta aumenta t=0 t= 6
t = 10th semester t = 30th semester
Values: Productiv
- Workforce Inq. Accu. Trial Inq. Accu. Trial
Base Case 557.891 15.650 12.422 3.016.207 41.058 51.623
Incr. 10% Productivity 119 538.207 15.064 14.121 2.945.146 38.944 58.252
Incr. 10% Workforce 575 521.218 11.154 23.257 2.874.678 23.709 98.581
Both policies 488.281 10.345 26.011 2.752.470 20.704 109.795
Incr. 20% Productivity 130 520.711 13.866 15.820 2.881.980 34.619 64.882
Incr. 20% Workforce 627 517.743 10.474 24.353 2.861.270 21.120 103.314
Both policies 453.157 7.983 29.997 2.621.280 11.865 126.348
Incr. 40% Productivity 151 481.343 13.203 19.077 2.739.856 32.225 77.588
Incr. 40% Workforce 732 510.795 9.604 26.411 2.834.454 17.760 112.233
Both policies 368.058 5.125 38.585 2.302.670 1.075 162.123
Incr. Productivity x 2 216 367.614 8.973 29.129 2.329.278 16.953 116.811
Incr. Workforce x 2 1046 490.721 7.089 32.356 2.756.985 8.055 137.999
Both policies 65.793 329 63.611 1.164.494 355 250.823
Incr. Productivity x 3 324 177.337 2.296 45.836 1.642.348 240 176.249
Incr. Workforce x 3 1569 457.136 2.882 42.303 2.627.373 235 174.490
Both policies 1.330 598 48.959 3.733 662 379.420
Incr. Productivity x 5 540 971 320 69.419 489.353 385 265.760
Incr. Workforce x 5 2615 389.965 316 58.581 2.368.151 329 234.172
Both policies 1.569 21 1.904 2.566 664 0
Reducción de tasas de entrada
Page 30.00 6.00 12.00 18.00 24.00 30.00
Semesters
1:
1:
1:
0
100000
200000Inputs: Inf ormations & Lawsuits: 1 - 2 -
1
1
1
1
1
2
2 2 2 2
Decreasing Input starting t = 4
Time 1: Base
Case 2: Reduction
0 39,343 39,343
5 63,431 55,431 12.61%
10 87,519 59,519 31.99%
15 111,607 63,607 43.01%
20 135,695 67,695 50.11%
25 159,783 71,783 55.07%
30 183,871 75,871 58.74%
Results
Time Congest. Inq. Stg Acc.Stg Trial
Initial 0.84 34.756 909 318
5 0.57 229.805 8.414 5.043
10 0.65 460.031 15.504 12.463
15 0.74 707.375 22.176 21.041
20 0.81 971.835 28.433 30.767
25 0.8 6 1.255.071 34.481 41.252
30 0.89 1.558.747 40.529 51.782 Page 1
0.00 7.50 15.00 22.50 30.00Semesters
1:
1:
1:
2:
2:
2:
3:
3:
3:
4:
4:
4:
1
1
1
0
1000000
2000000
0
25000
50000
0
30000
60000
1: Congestion 2: Inquiry Stage 3: Accusation Stage 4: Trial Stage
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
Reducción de tasas de entrada (II)
Evidentemente reducir solamente los flujos de entrada no es suficiente tampoco.
Lo más natural es considerar tanto los flujos de entrada como los de salida.
…a pesar de que actualmente ninguna política considera ambos tipos de procesos de forma integral para examinar el problema de la acumulación.
Combinación de: reducción de flujos de entrada + duplicación de recursos + duplicación de productividad
Page 1
0.00 7.50 15.00 22.50 30.00
Semesters
1:
1:
1:
2:
2:
2:
3:
3:
3:
4:
4:
4:
0.10
0.50
0.90
0
25000
50000
0
1500
3000
0
150000
300000
1: Congestion 2: Inquiry Stage 3: Accusation Stage 4: Trial Stage
1
1 1
1
2
2 2 2
3
3 3 34
4
4
4
Results
Time Congest.
Inq.
Stg Acc.Stg Trial
Initial 0.84 34.7 56 909 318
5 0.19 50.178 453 21.355
10 0.14 891 298 60.934
15 0.13 948 311 102.135
20 0.23 1.005 324 144.936
25 0.41 1.046 324 188.804
30 0.55 1.498 324 232.737
Finalmente esto parece funcionar, aunque….
Los casos en juzgamiento se disparan
Evidentemente se debe considerar el impacto en la etapa de juzgamiento dada una sobre-eficiencia de la FGN
El índice de congestión vuelve a crecer luego de 10 años
Una idea de la inercia del sistema Imaginemos que las entradas se cierran en junio de 2008, denuncias y delitos caen a cero.
Page 10.00 7.50 15.00 22.50 30.00
Semesters
1:
1:
1:
2:
2:
2:
3:
3:
3:
4:
4:
4:
0.00
0.45
0.90
0
150000
300000
0
5000
10000
0
15000
30000
1: Congestion 2: Inquiry Stage 3: Accusation Stage 4: Trial Stage
1
1
1
1
2
2
2
2
3 3
3 3
4
4
4
4Results
Time Congest.
Inq.
Stg Acc.Stg Trial
Initial 0.84 34.756 909 318
5 0.58 237.765 8.414 5.043
10 0.32 165.225 4.816 12.463
15 0.14 52.675 780 21.041
20 0.06 0 0 25.137
25 0.05 0 0 22.925
30 0.04 0 0 20.606
Dada la capacidad de evacuación actual del sistema: 10 años para desocupar los casos acumulados en indag. e investig.
42 años para desocupar los casos acumulados en juzgamiento
Pasos siguientes Como parte de este proyecto:
• Herramienta de soporte: vender la idea a las instituciones involucradas
• Presentación en la Comisión Constitucional
― Interés por parte de algunos actores
― Incluir en indicadores mediciones de dinámicas de acumulación
Modelar fases 2, 3 & 4 del SPA
Presentación en ISDC 2008
Subir un nivel de recursión: modelar el sistema de justicia
• Incluir modelo de prisiones
• Crímenes: desarrollarla como variable endógena
• Desarrollar la percepción de la ciudadanía sobre el SPA y cómo esto afecta su toma de decisión, e.g. tasa de denuncias, etc.
A manera de conclusiones Importancia de comprender las dinámicas asociadas a acumulaciones en el diseño de políticas
• Inercia de largo plazo
• Lógicas diferentes guían flujos de entrada y flujos de salida
• Considerar integralmente los procesos de acumulación
• Estos aspectos no se refleja en las políticas que buscan descongestionar Simulación como herramienta de aprendizaje para tomadores de decisión
• En procesos de construcción del modelo
• En diseño de políticas
• “Una ley es un modelo” ¿Son conscientes los legisladores? Importancia de reconocer las distintas interacciones entre las partes del SPA.
• El SPA no es observado como sistema por parte de los actores que participan
• Considerar las consecuencias de las interacciones entre instituciones -- que además tienen diferentes intereses y mecanismos de actuación.
A manera de conclusiones (II) La Torre de Babel de las disciplinas
• Lenguajes diferentes
• Hábitos de pensamiento diferentes
• …pero los problemas no vienen “por disciplinas” Diseño y desarrollo de modelos
• El énfasis en la formulación (inclusive más que en la solución…!)
• Datos, datos, datos….
Preguntas, comentarios…