- Detalles
- Categoría: Lakes
- Visto: 30
Uno de los pilares fundamentales para trabajar con los productos de Lakes Environmental Software es el área de dibujo. Aquí se muestran todos los objetos y capas para su visualización y edición. Una herramienta que los usuarios tienen a su disposición para controlar adecuadamente lo que se muestra en el área de dibujo es la pestaña de superposiciones (Overlays) en la vista de árbol (Tree View).
Esta pestaña permite a los usuarios especificar qué objetos deben mostrarse, ordenar las capas para obtener la mejor visualización posible o editar gráficamente capas u objetos específicos.
Las capas seleccionadas se muestran en el área de dibujo, en el orden en que aparecen en la pestaña Overlays. En la imagen de ejemplo anterior, el límite del dominio del sitio (Site Domain Boundary) estará encima de todas las demás capas en el área de dibujo, mientras que Tutorial_Map_15km.jpg es la capa inferior.
Las siguientes opciones pueden emplearse para brindar a los usuarios un mayor control de su área de dibujo.
- Las flechas Mover hacia abajo/Mover hacia arriba
permiten a los usuarios desplazar rápidamente las capas hacia arriba o hacia abajo para una mejor visibilidad en la pantalla principal. También es posible reordenar las capas seleccionando su nombre y arrastrándolo hacia arriba o hacia abajo según se desee. - Las opciones Desmarcar todo
y Marcar todo 
permiten a los usuarios gestionar rápidamente todas las capas listadas para ocultarlas o visualizarlas. - La opción Deshabilitar selección
permite al usuario impedir que la capa seleccionada se seleccione en el área de dibujo. Esto resulta especialmente útil para mapas base grandes que el usuario quizás no desee editar ni seleccionar mientras trabaja con objetos del modelo. Una capa que se ha deshabilitado para la selección mostrará un icono de candado.
- La opción Deshabilitar edición gráfica
impide que la capa seleccionada se mueva, cambie de tamaño o elimine. La capa u objeto aún se puede seleccionar en el área de dibujo para editarlo, pero queda bloqueado gráficamente a dicha área.
- La función Zoom a superposición
permite ampliar rápidamente la capa seleccionada. Esto puede resultar útil para localizar objetos específicos del modelo o capas del mapa. - Elimine la selección
para quitar rápidamente la capa seleccionada.
- Detalles
- Categoría: Comsol
- Visto: 63
El modelado de mediciones de pulso-eco ultrasónico en tuberías de petróleo es crucial para evaluar la integridad de los pozos y las propiedades de los materiales ocultos. Sin embargo, simular estos escenarios en 3D plantea un gran desafío computacional debido a las altas frecuencias y las complejas geometrías involucradas, requiriendo incluso hasta varias horas por simulación.
Para superar este obstáculo, investigadores del grupo de Acústica de SINTEF desarrollaron una metodología eficiente en COMSOL Multiphysics® utilizando una simplificación axisimétrica en 2D alineada con el eje del transductor (Figura de la portada, que muestra los resultados del modelado 3D en cuatro pasos temporales, haciendo uso de dos ejes de simetría) [1,2]. Mediante el modo de tiempo explícito (time-explicit) y el acoplamiento multifísico Pair Acoustic–Structure Boundary, lograron reducir el tiempo de cómputo a solo 13 minutos por simulación, manteniendo una excelente precisión en comparación con los resultados en 3D.
Esta drástica reducción de tiempo permitió crear una base de datos masiva con más de 1,400 simulaciones paramétricas utilizando LiveLink™ para MATLAB®. Gracias a la flexibilidad de COMSOL, se analizaron de forma automatizada variables como el espesor de la tubería, distancias y propiedades de los materiales, impulsando el desarrollo de técnicas de inspección no destructiva en la industria energética.
Un excelente ejemplo de cómo COMSOL Multiphysics® permite acelerar simulaciones complejas de propagación de ondas, realizar estudios paramétricos avanzados y optimizar procesos de inspección industrial en el sector energético.
Puede conocer más detalles en el blog de COMSOL [3].
Referencias
[1] A. Diez, T.F. Johansen, E.M. Viggen, “From 3D to 1D: Effective numerical modelling of pulse-echo measurements in pipes,” Proc. 46th Scandinavian Symposium on Physical Acoustics, pp. 1–23, 2023; ISBN 978-82-8123-023-1.
[2] A. Diez, E.M. Viggen, T.F. Johansen, “Ultrasonic pulse-echo dataset from numerical modelling for oil and gas well integrity investigations,” Sci Data 12, 544, 2025; https://doi.org/10.1038/s41597-025-04851-x
[3] COMSOL blog: https://www.comsol.com/blogs/reduced-order-modeling-of-ultrasonic-pipe-measurements
- Detalles
- Categoría: BIOVIA
- Visto: 145
Figura 1. Estructuras químicas, superficies sigma y perfiles sigma de betulina y ácido betulínico estimados mediante COSMO-RS.Este trabajo [1] ha sido desarrollado por el equipo investigador formado por Rosa Lebrón Aguilar y Jesús E. Quintanilla López, del Instituto de Química-Física “Blas Cabrera” (IQF-CSIC), e Inmaculada Luque Jurado, Sergio Rivas, María Luz Sanz y Ana Cristina Soria, pertenecientes al Instituto de Química Orgánica General (IQOG-CSIC), ambos del Consejo Superior de Investigaciones Científicas (CSIC). La integración de distintos perfiles científicos permitió abordar el reto desde una perspectiva integral: modelado molecular, diseño de NADES y validación experimental.
Retos iniciales y motivación
Los métodos convencionales de extracción son lentos, poco sostenibles y su desarrollo se basa fundamentalmente en la experimentación, situación que se ha revertido en gran parte con la implementación de aproximaciones computacionales. En el presente caso, la gran cantidad de posibles combinaciones HBD/HBA de NADES hacía inviable el cribado experimental completo. La incorporación de COSMOsuite (COSMOTherm) y TURBOMOLE permitió seleccionar in silico los NADES óptimos antes de pasar al laboratorio, reduciendo de esta manera tiempo, costes y consumo de recursos.
Figura 2. Capacidad de dilución infinita (C∞i) de los disolventes estudiados, estimada mediante COSMO-RS para Bet y BAc a 25 °C. Los terpenoides y los disolventes orgánicos convencionales se muestran como barras de color claro y oscuro, respectivamente.Los objetivos principales eran: diseñar un proceso de extracción más verde (menor temperatura, disolventes menos peligrosos), maximizar el rendimiento de extracción para la betulina y ácido betulínico, y reducir el número de ensayos experimentales.
Integración de COSMOsuite y TURBOMOLE
Tras optimizar las estructuras moleculares mediante DFT en TURBOMOLE (BP86/TZVP), se calcularon con COSMOTherm los coeficientes de actividad a dilución infinita, las capacidades solventes, los perfiles y potenciales sigma, así como las temperaturas eutécticas de las mezclas. Estos datos guiaron la elección del NADES timol:1-octanol (4:1) como el extractante más prometedor.
Figura 3. Perfiles sigma (a) y potenciales sigma (b) de h-NADES de betulina, ácido betulínico y timol:1-octanol (4:1) estimados mediante COSMO-RS.El flujo completo incluyó: definición de los potenciales disolventes → optimización DFT → cálculos COSMO-RS → selección de NADES → preparación y caracterización fisicoquímica → comparación SLE vs UAE → diseño experimental (CCD) de UAE con el NADES seleccionado. El cribado computacional permitió reducir sustancialmente los ensayos experimentales, centrándose en un único NADES óptimo.
Impacto en sostenibilidad y eficiencia
El enfoque computacional facilitó la selección de disolventes con una alta capacidad de solvatación, baja volatilidad y toxicidad, evitando así la utilización de disolventes orgánicos clásicos. La combinación con UAE permitió obtener altos rendimientos de extracción, en menos tiempo y a temperaturas más moderadas (~61 °C, 24 min) que los métodos tradicionales, como SLE o Soxhlet.
Figura 4. Efecto de la fracción molar timol:1-alcanol (xtimol, de 0,2 a 0,8) y la longitud de la cadena del 1-alcanol sobre C∞Bet+BAc a 25 °C, predicho por COSMO-RS.Resultados representativos:
- Rendimiento de extracción para Betulina: 25 mg/g, y Ácido betulínico: 1,06 mg/g
- Recuperaciones: 80% (Bet) y 96% (BAc), RSD ≤ 2,3%
- Contenidos en corteza: 12,09–32,17 mg/g (Bet), 0,69–1,43 mg/g (BAc)
- Índice de sostenibilidad AGREEprep: 0,76
El análisis de los perfiles y potenciales sigma mostró que la betulina y el ácido betulínico presentan carácter predominantemente apolar, y capacidad para actuar como HBD y HBA, lo que explica la eficiencia del NADES seleccionado para coextraer ambos compuestos.
Beneficios y perspectivas
El enfoque combinado TURBOMOLE + COSMO-RS permitió seleccionar racionalmente el mejor NADES, reducir el trabajo experimental preliminar y diseñar un método UAE con excelente rendimiento y sostenibilidad. La predicción de propiedades como la capacidad solvente y la temperatura eutéctica guio los ensayos experimentales, concentrándose en optimizar solo los parámetros clave.El equipo destaca que esta metodología acelera el desarrollo de métodos de extracción verdes, integra criterios de rendimiento y sostenibilidad desde el inicio, y ofrece una base termodinámica clara para justificar la elección de disolventes y condiciones.
Proyección futura
Se prevé extender este enfoque a otros bioactivos de alto valor y matrices complejas como los suplementos alimenticios, explorando nuevas familias de NADES guiadas por COSMO-RS. Además, abre oportunidades de colaboración interdisciplinaria en ingeniería de procesos, ciencia de alimentos, cosmética y farmacia, orientadas al escalado industrial de extracciones sostenibles y formulación de productos basados en estos extractos.Referencias
1. I. Luque-Jurado, S. Rivas, R. Lebrón-Aguilar, J.E. Quintanilla-López, M.L. Sanz, A.C. Soria, “Ultrasound-assisted extraction of bioactive birch (Betula sp.) bark triterpenoids using hydrophobic natural deep eutectic solvents”. Anal. Bioanal. Chem., 418 (2026) 1713-1723. https://doi.org/10.1007/s00216-025-06174-7- Detalles
- Categoría: Maple
- Visto: 131
Interacciones fluidas: Varias mejoras pequeñas pero importantes en la interfaz hacen que trabajar en el entorno Maple sea mucho más sencillo.
|
|
Maple 2026 introduce y mejora numerosas funciones que facilitan su uso. Además de importantes novedades como el Asistente de IA y la Importación de Documentos, que simplifican más que nunca el proceso de plasmar ideas en cálculos matemáticos, Maple 2026 también incluye más opciones de navegación por teclado, un contraste de color mejorado en las paletas, la función de ajuste y mosaico de ventanas, y un control más intuitivo de la visualización de los paneles laterales. Asimismo, las hojas de cálculo ahora presentan un aspecto más limpio y ordenado, ya que los límites de los grupos de ejecución ya no se muestran de forma predeterminada. |
- Detalles
- Categoría: Minitab
- Visto: 315
Por Jen Roan.
Las organizaciones se enfrentan a una presión cada vez mayor para tomar mejores decisiones con mayor rapidez. Los equipos de fabricación, calidad y operaciones gestionan más datos, procesos complejos y prioridades contrapuestas que nunca. Ya sea para mejorar la calidad, aumentar la productividad, reducir costes, optimizar la producción o fortalecer la excelencia operativa, persiste un desafío constante: las decisiones rara vez se toman de forma aislada.
Un cambio que mejora un resultado puede afectar a otro. Aumentar la productividad puede repercutir en la calidad. Reducir los costes puede generar variabilidad. Mejorar el rendimiento puede implicar concesiones en cuanto a eficiencia, coste o desempeño. Si bien cada resultado suele analizarse de forma individual, identificar la mejor estrategia para lograr múltiples objetivos empresariales y de calidad resulta más complejo.
Nuestras últimas actualizaciones de productos están diseñadas para ayudar a los equipos a trabajar de manera más eficiente en todo el flujo de trabajo analítico, desde la recopilación de datos hasta la obtención de información y la toma de decisiones. En Minitab Statistical Software, el módulo de análisis predictivo ahora incluye capacidades de optimización ampliadas que ayudan a los usuarios a equilibrar múltiples resultados con mayor confianza. QC-Calc Data Collection 5.1 presenta QC Collect, que permite la entrada de datos de calidad basada en el navegador en entornos locales seguros.
También estamos mejorando Data Center, que forma parte de Minitab Solution Center, con herramientas optimizadas para combinar conjuntos de datos de múltiples fuentes. En conjunto, estas actualizaciones simplifican la recopilación de datos, agilizan su preparación y fortalecen los flujos de trabajo de análisis predictivo para una toma de decisiones más acertada y segura.
Tome mejores decisiones en función de la calidad y el rendimiento en competencia
En muchos entornos de fabricación y mejora de la calidad, la optimización no consiste en encontrar la mejor respuesta a una sola pregunta, sino en encontrar el equilibrio óptimo entre múltiples resultados.
Esto proporciona a los equipos una herramienta más eficaz para evaluar las ventajas y desventajas e identificar la mejor combinación de ajustes en términos de calidad, coste, rendimiento, productividad y desempeño. Por ejemplo, un equipo de producción podría evaluar cómo afecta simultáneamente el cambio de un ajuste del proceso a la productividad y a la tasa de defectos, lo que les permitiría aumentar la producción sin generar un riesgo de calidad inaceptable.
Al ser compatible con técnicas de modelado avanzadas como Random Forests , MARS y TreeNet, Minitab ayuda a los equipos a ir más allá del método de ensayo y error para tomar decisiones más seguras, fundamentadas y basadas en datos. En lugar de analizar cada resultado por separado y conciliar los resultados manualmente, los usuarios pueden evaluar múltiples respuestas en conjunto para comprender mejor cómo influyen los factores en el rendimiento general del proceso.
Para las organizaciones que trabajan en entornos complejos de producción, ingeniería , control de calidad u operaciones, esto es importante. Significa que los equipos pueden tomar decisiones de optimización de procesos más rápidamente, con mayor claridad y confianza.
Simplifique la recopilación manual de datos de calidad manteniendo el control.
Un análisis fiable depende de datos fiables. Sin embargo, en muchos entornos de gestión de calidad, inspección y fabricación, la recopilación manual de datos sigue siendo importante , ya sea que las mediciones se introduzcan mediante un teclado o se capturen directamente con instrumentos de medición portátiles. El reto consiste en simplificar el proceso para los usuarios, manteniendo al mismo tiempo la seguridad, la coherencia y el control que las organizaciones necesitan.v
Con QC-Calc Data Collection 5.1, presentamos QC Collect, una nueva funcionalidad que permite la introducción de datos a través del navegador en un entorno local.
QC Collect ofrece a los equipos la sencillez de una interfaz web, manteniendo al mismo tiempo el control sobre la gestión de datos, la seguridad y el cumplimiento normativo. Reduce la necesidad de instalaciones locales, alivia la carga de trabajo del departamento de TI y ayuda a estandarizar la forma en que se recopilan los datos de calidad e inspección en todas las operaciones.
Esto resulta especialmente valioso para las organizaciones que necesitan una entrada de datos flexible y accesible sin abandonar un modelo de implementación local. Al simplificar y uniformizar la recopilación manual de datos de calidad, QC Collect ayuda a garantizar que los datos precisos y oportunos estén disponibles para el análisis estadístico, el monitoreo de procesos y la mejora continua cuando los equipos los necesiten.
Reúna los datos para un análisis estadístico más eficaz
A medida que las organizaciones recopilan datos de más sistemas, fuentes y flujos de trabajo, prepararlos para el análisis se ha vuelto cada vez más complejo. Con demasiada frecuencia, los equipos dedican tiempo a combinar, limpiar y organizar conjuntos de datos antes de responder a las preguntas importantes.
En esta versión, hemos simplificado la fusión de conjuntos de datos de múltiples fuentes, lo que ayuda a los usuarios a dedicar menos tiempo a preparar los datos y más tiempo a analizarlos.
Estas mejoras permiten crear modelos más completos, obtener información más precisa y tomar mejores decisiones en flujos de trabajo como la combinación de resultados de inspección, mediciones de procesos y datos de producción antes del análisis estadístico. Cuando los equipos integran los datos de forma más eficiente, obtienen una visión más completa de sus procesos, identifican las relaciones con mayor claridad y actúan con mayor confianza.
Para los equipos de fabricación, calidad y mejora de procesos, una mejor preparación de los datos contribuye directamente a un análisis más sólido. Ayuda a los equipos a mejorar el rendimiento de los procesos, reducir la variabilidad, descubrir las causas raíz y tomar decisiones basadas en una visión más completa de sus operaciones.
Ayudamos a los equipos a pasar de la información valiosa a la acción
En todas estas actualizaciones, surge un tema común: reducir las fricciones a lo largo de todo el proceso de análisis de datos.
La recopilación, preparación y análisis de datos están estrechamente relacionados. Cuando una parte del flujo de trabajo es lenta o inconsistente, afecta a todo lo que sigue. Al mejorar la forma en que los equipos recopilan datos de calidad, combinan conjuntos de datos y optimizan las decisiones en función de múltiples resultados, Minitab ayuda a las organizaciones a trabajar de forma más eficaz durante todo el proceso.
Este lanzamiento refleja nuestro compromiso constante con el análisis práctico y confiable para la mejora de la calidad, la optimización de procesos y la excelencia operativa. Nos enfocamos en desarrollar soluciones que ayuden a los equipos a resolver problemas complejos, tomar mejores decisiones e impulsar mejoras medibles.
Como siempre, los comentarios de los clientes son fundamentales para la evolución de nuestras soluciones. Agradecemos la colaboración y las valiosas aportaciones de las organizaciones que confían en Minitab a diario, y esperamos seguir ofreciendo funcionalidades que ayuden a los equipos a trabajar con mayor rapidez, confianza y eficiencia.
- Detalles
- Categoría: Signals ChemDraw
- Visto: 208
A continuación, se presenta un resumen de las principales novedades incluidas en estas dos actualizaciones recientes.
ChemDraw 26.3: mejoras en biopolímeros, HELM y gestión de estructuras
La versión 26.3 introduce avances especialmente orientados al trabajo con biomoléculas y estructuras complejas, consolidando ChemDraw como una herramienta cada vez más potente en el ámbito bioquímico.Entre las principales mejoras destacan:
- Nuevas anotaciones en biopolímeros de oligonucleótidos, incluyendo la posibilidad de añadir información de sentido y antisentido directamente en el panel de propiedades.
- Mejoras en compatibilidad con cadenas HELM, ampliando la flexibilidad para trabajar con secuencias biológicas complejas.
- Optimización del manejo de SMILES mapeados por átomos, facilitando la interoperabilidad entre distintos formatos de representación molecular.
- Mejoras en la experiencia de edición de secuencias, con ajustes que simplifican la visualización y el trabajo con estructuras largas.
ChemDraw 26.4: mejoras en análisis, visualización y rendimiento
La versión 26.4 continúa esta evolución con un enfoque más amplio en el análisis de datos, la visualización y la estabilidad del sistema.Sus principales novedades incluyen:
- Mejoras en el análisis in vitro, optimizando los flujos de trabajo relacionados con la interpretación de resultados experimentales.
- Avances en herramientas de visualización de datos, incluyendo mejoras en la generación de gráficos dentro de tablas y nuevas opciones de ajuste de curvas.
- Ampliación de capacidades en propiedades calculadas, ahora disponibles para sistemas más complejos como complejos proteicos.
- Mejoras generales de rendimiento y estabilidad, junto con corrección de errores para una experiencia más fluida y fiable.
Estas mejoras refuerzan el uso de ChemDraw no solo como herramienta de dibujo, sino como un entorno cada vez más integrado en el análisis científico.
Evolución continua de ChemDraw
Las versiones 26.3 y 26.4 reflejan la dirección clara de ChemDraw hacia una plataforma más completa, conectada y preparada para los retos actuales de la investigación científica, desde la química orgánica tradicional hasta la biología molecular avanzada.Más información
Si quieres conocer en detalle todas las funcionalidades de ChemDraw y cómo estas novedades pueden aplicarse en tu entorno de trabajo o enseñanza, puedes consultar la página de producto completa.- Detalles
- Categoría: Comsol
- Visto: 188
El trabajo “Simulation-based design of supercapacitor energy storage for flexible wearable healthcare systems using COMSOL Multiphysics” [1] desarrollado por Huddar et al. y publicado en la revista “Next Materials” (Elsevier) demuestra cómo el modelado multifísico en COMSOL Multiphysics® puede acelerar el diseño de sistemas de almacenamiento energético flexibles para aplicaciones biomédicas y en sector de la salud.
En este estudio se desarrolló un modelo de un supercapacitor flexible orientado a aplicaciones médicas. La Figura 1 muestra la geometría del modelo de supercapacitor junto con el mallado.
Figura 1. Geometría y mallado del supercapacitor
El trabajo combina transporte iónico, distribución de potencial eléctrico, conducción de corriente y análisis térmico para estudiar el comportamiento del dispositivo durante ciclos de carga y descarga. Para ello, se implementaron ecuaciones de Nernst–Planck, modelos de conducción eléctrica y correcciones de Bruggeman para medios porosos, permitiendo analizar fenómenos como la migración de iones, la formación de la doble capa eléctrica y la disipación térmica por efecto Joule. Además, el modelo permitió evaluar parámetros clave como capacitancia específica, densidad energética, densidad de potencia y estabilidad cíclica, mostrando el enorme potencial del diseño basado en simulación para optimizar dispositivos de almacenamiento energético miniaturizados destinados a sistemas biomédicos portátiles.
El estudio combina distintos módulos y capacidades de COMSOL Multiphysics® para capturar el comportamiento electroquímico completo del supercapacitor:
- Electrochemistry / Batteries & Fuel Cells Module. Utilizado para modelar: transporte iónico, distribución de potencial eléctrico, dinámica de carga-descarga, formación de la doble capa eléctrica (EDL), y comportamiento electroquímico de los electrodos porosos.
- Transport of Diluted Species Module. Implementado para resolver las ecuaciones de Nernst–Planck y estudiar: difusión de especies iónicas (TEA⁺ y BF₄⁻), migración bajo campo eléctrico, y redistribución de concentración en el electrolito.
- Electric Currents / Electrostatics Physics. Aplicado para analizar: distribución de potencial eléctrico, densidad de corriente, caída óhmica, y conducción en electrodos y electrolito.
- Heat Transfer capabilities. El modelo también incorpora el análisis térmico mediante calentamiento Joule para La Figura 2 muestra la distribución del potencial eléctrico en el electrolito del supercapacitor obtenida con la simulación realizada en COMSOL Multiphysics®.: disipación térmica, generación de hotspots, y estabilidad térmica del dispositivo durante ciclos rápidos de carga-descarga.
Además, el estudio destaca el potencial del enfoque multiphysics-driven design para optimizar: geometrías porosas, transporte de carga, estabilidad cíclica, y miniaturización de sistemas energéticos para sensores biomédicos portátiles.
La Figura 2 muestra la distribución del potencial eléctrico en el electrolito del supercapacitor obtenida con la simulación realizada en COMSOL Multiphysics®.
Figura 2. Geometría y mallado del supercapacitor.
Este trabajo es un excelente ejemplo de cómo COMSOL Multiphysics® permite integrar fenómenos electroquímicos, eléctricos y térmicos dentro de un único entorno de simulación para acelerar el desarrollo de tecnologías energéticas avanzadas.
Referencias
[1] Huddar, Ananya V. Hampimath, Bipin S. Chikkatti, Ashok M. Sajjan, Nagaraj R. Banapurmath, Simulation-based design of supercapacitor energy storage for flexible wearable healthcare systems using COMSOL Multiphysics, Next Materials, Volume 12, 2026, 102043.