Create an Insight Maker account to start building models. Insight Maker is completely free.


Start Now

Insight Maker runs in your web-browser. No downloads or plugins are needed. Start converting your ideas into your rich pictures, simulation models and Insights now. Features

Simulate

Explore powerful simulation algorithms for System Dynamics and Agent Based Modeling. Use System Dynamics to gain insights into your system and Agent Based Modeling to dig into the details. Types of Modeling

Collaborate

Sharing models has never been this easy. Send a link, embed in a blog, or collaborate with others. It couldn't be simpler. More

Free & Open

Build your models for free. Share them with others for free. Harness the power of Insight Maker for free. Open code mean security and transparency. More


Explore What Others Are Building

Here is a sample of public Insights made by Insight Maker users. This list is auto-generated and updated daily.

Insight diagram
A model of the ebb and flow of agricultural societies, like China's history. From Khalil Saeed and Oleg Pavlov's WPI 2006 paper See also the Generic structure Insight Map
Dynastic Cycles Model
4 months ago
Insight diagram
WIP Ideas from Science Special Issue May 2014

For explicit links between wealth and output see: webpage.
@LinkedIn, Twitter, YouTube
The Science of Inequality
Insight diagram

Ce modèle simule la production de biomasse par une cohorte d’organismes pélagiques, inspiré d’un cas réel : le calamar commun (Loligo vulgaris). Véritable "sprinteur" des océans à la durée de vie très courte, le calamar convertit massivement et rapidement ses proies en biomasse, jouant un rôle de ressource clé pour les super-prédateurs marins et les pêcheries.

Ce modèle s’inscrit dans une logique fonctionnelle, et complète les approches démographiques classiques (exponentielle, logistique, Leslie), en intégrant une autre dimension essentielle de l’écologie : la production secondaire.

Contrairement aux modèles précédents centrés uniquement sur le nombre d’individus (N), ce modèle prend en compte la croissance individuelle en poids (W), et son interaction avec la survie de la cohorte pour estimer la production de biomasse totale. Chaque individu n’est pas seulement un effectif, mais aussi une quantité de matière, une composante mesurable du flux d’énergie dans l’écosystème.

Les Composants du Modèle :

Variables d’état (Stocks) :

  • N : Nombre d’individus vivants dans la cohorte.
  • W : Poids moyen des individus (grammes).
  • Instant Biomass : Biomasse vivante instantanée de la cohorte, calculée comme N × W
  • Secondary Production : Production cumulée de biomasse (incluant celle produite par les survivants et par les morts).

Flux :

  • Gross Gain : Quantité de biomasse produite par la croissance individuelle à chaque pas de temps (N × variation de W).
  • Gross Loss : Biomasse perdue via la mort des individus, c’est-à-dire le poids moyen multiplié par les décès.
  • Production (flux) : Biomasse totale produite, incluant celle des survivants et des morts (Gross gain).
  • Net Variation : Variation nette de la biomasse vivante (Gross gain − Gross loss), soit l'accumulation réelle dans la population.

Paramètres modifiables :

  • Initial N : Nombre initiale de la cohorte (en milliers d'individus).
  • Initial W : Poids moyen initial (en centaines de grammes).
  • d : Taux de mortalité (proportion d’individus mourant à chaque pas de temps).
  • g : Taux de croissance pondérale des individus.
  • Wmax : Poids maximal asymptotique moyen (croissance indéterminée).

Remarque :
La relation entre taille et masse corporelle est supposée intégrée dans l'équation de croissance. La courbe de poids moyen (W) représente donc déjà l'évolution allométrique sans avoir à la modéliser séparément.

Indicateurs produits :

  • Production secondaire nette cumulée : quantité totale de biomasse produite au cours de la vie de la cohorte.
  • Biomasse instantanée : stock de matière vivante à un instant donné.
  • Moment du pic de production : période durant laquelle la cohorte contribue le plus aux flux trophiques.

Votre Mission d'Exploration :

Votre objectif est de vous mettre dans la peau d’un écologue halieutique chargé d'évaluer le potentiel d'un stock de calamars, tout en comprenant son rôle fondamental dans la chaîne alimentaire océanique.

  1. Simulez la dynamique par défaut pour comprendre l’interaction entre la croissance fulgurante de ces céphalopodes et leur forte mortalité.

  2. Identifiez le temps de prélèvement optimal : Repérez le moment exact du pic de la "Biomasse instantanée". C'est à cet instant précis qu'une pêcherie obtiendrait le meilleur rendement, ou qu'un prédateur naturel trouverait le maximum de nourriture.

  3. Observez le point de bascule : Vérifiez sur l'onglet des flux à quel moment le coût des pertes par mortalité (Gross Loss) excède définitivement la création de matière par croissance (Gross Gain).

  4. Testez l'effet de l'environnement : Un réchauffement de l'eau accélère souvent la croissance des calamars mais augmente aussi leur mortalité. Modifiez simultanément g (à la hausse) et d (à la hausse). Comment cela décale-t-il le pic de biomasse dans le temps ?

  5. Visualisez l'énergie transférée : Regardez l'asymptote finale de la "Production secondaire" pour chiffrer l'immense quantité totale de matière organique générée par cette seule cohorte sur une année.

Cliquez sur "SIMULATE" et explorez la dynamique de votre cohorte pélagique !
Ce modèle vous permet de relier la biologie individuelle à la structure des flux dans les écosystèmes, une étape clé en écologie fonctionnelle.

 

Courbe d'Allen : Croissance individuelle et production d'une cohorte
18 4 weeks ago
Insight diagram
Caduta di un oggetto di massa e quantità di moto iniziale date nel campo gravitazionale, qualora sia presente un attrito viscoso di coefficiente lambda
Caduta con attrito completo Tommaso corridoni
Insight diagram
La situación modelada expresa el crecimiento de las ventas impulsadas por la motivación y productividad, pero es frenada por el tamaño del nicho de mercado.
Límite de Crecimiento
Insight diagram
To investigate how sika deer (Cervus nippon), hunters and beech forest interact over time and how hunting and food availability influence deer population dynamics.

Sika deer were introduced to New Zealand for game hunting in the early 1900s. Their population later increased to hundreds of thousands, causing significant damage to farming and forest ecosystems. They browse on the forest floor and understory vegetation, reducing forest regeneration and affecting ecological succession. Without any known natural predators, their population can grow rapidly.

The model starts with a deer population of 100 and evaluates the relationships between adult deer, young trees, hunter population, food availability, and mast events. Some factors are assumed to remain constant to make the model more manageable and focused.

Excluded factors:

  • Disease
  • Weather
  • Predators
  • Migration
  • Forestry operations

Assumptions:

  1. The deer population is represented as a single stock.
  2. All hunters behave similarly.
  3. Food availability depends on young trees.
  4. Hunting pressure increases with hunter numbers.
  5. Carrying capacity is fixed at 300 deer.
  6. Mast years increase food availability.
draft 6
9 2 weeks ago