- Detalles
- Categoría: Minitab
- Visto: 541
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: 366
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: 278
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.
- Detalles
- Categoría: BIOVIA
- Visto: 509
Este trabajo [1] ha sido desarrollado por el equipo investigador formado por Luz Alonso Dasques, Plácido Galindo Iranzo, Rosa Lebrón Aguilar y Jesús E. Quintanilla López, pertenecientes al Instituto de Química-Física “Blas Cabrera” (IQF-CSIC), e Iván Sacristán y Belén Gómara, pertenecientes al Instituto de Química Orgánica General (IQOG-CSIC), ambos del Consejo Superior de Investigaciones Científicas (CSIC). La combinación de sus perfiles investigadores ha permitido abordar el reto desde una perspectiva integral, incluyendo modelado molecular, diseño de disolventes y validación experimental.
Retos iniciales y motivación
Tradicionalmente, la selección de disolventes para la extracción de bisfenoles se basa en protocolos de ensayo y error, un enfoque que consume mucho tiempo y recursos y que no garantiza resultados óptimos frente a mezclas complejas de contaminantes y condiciones variables de pH o temperatura. Con cientos de terpenoides como potenciales candidatos a disolventes, surgió la necesidad de un cribado rápido y fiable que permitiera identificar los más adecuados antes de realizar experimentos costosos.
Los objetivos del grupo eran claros: maximizar la eliminación simultánea de ocho bisfenoles de aguas contaminadas, reducir el número de ensayos experimentales necesarios para la optimización del proceso, seleccionar disolventes con un perfil toxicológico y de biodegradabilidad favorable y desarrollar un proceso robusto, escalable y alineado con los principios de la Química Verde.
Integración de COSMOsuite y TURBOMOLE en el flujo de trabajo
El flujo de trabajo combinado se diseñó de la siguiente manera: primero, se seleccionaron potenciales extractantes, tipo terpenoide, atendiendo a criterios de sostenibilidad. A continuación, TURBOMOLE optimizó las geometrías 3D de los bisfenoles y los terpenoides mediante DFT (BP86/TZVP), generando los ficheros .cosmo necesarios. Con COSMOsuite y COSMOTherm se calcularon los coeficientes de actividad, la capacidad solvente, las constantes de partición y las funciones termodinámicas de exceso.El cribado in silico de más de 100 terpenoides condujo a la elección de la carvona como biodisolvente más prometedor para la extracción de bisfenoles de muestras de agua. Posteriormente, se desarrolló y optimizó experimentalmente un proceso de extracción líquido-líquido mediante diseño experimental (DOE), se validó su rendimiento y eficiencia en aguas medioambientales de distinta procedencia y se evaluó la posibilidad de reutilización del biodisolvente.
Resultados y beneficios
El uso de este enfoque permitió:
- Reducir el número de ensayos experimentales: solo fue necesario trabajar con carvona, descartando otros terpenoides con menor probabilidad de éxito.
- Optimizar la sostenibilidad: la carvona, de origen natural, no bioacumulativa y fácilmente biodegradable, permitió reemplazar a otros disolventes orgánicos clásicos. Además, los resultados demostraron que era posible su reutilización durante ocho ciclos de extracción, manteniendo una eficiencia media del 98,1%.
- Minimizar el consumo energético y de recursos: las condiciones suaves de extracción optimizadas por el DOE (≈5,35 min de agitación a temperatura ambiente) alcanzaron eficiencias de extracción cercanas al 100%, incluso con relaciones fase orgánica/agua muy bajas.
- Resultados cuantificables: coeficientes de partición agua-carvona entre 2,5 y 6,4; eficiencia de extracción experimental global del 99,3% (siendo mayor del 99% para casi todos los bisfenoles) y entre el 98 y 100% en muestras reales de aguas contaminadas artificialmente a concentraciones de hasta 20 mg L⁻¹.
El modelado molecular permitió la elección racional del mejor disolvente, interpretando el papel de los distintos tipos de interacciones (puentes de hidrógeno, electrostática, Van der Waals) y reduciendo la carga de trabajo experimental, pudiendo focalizar así los esfuerzos en las variables del proceso como la proporción entre las fases o el tiempo y velocidad de agitación.
Perspectivas futuras
El grupo planea ampliar la base de datos de biodisolventes y extender el enfoque a otros contaminantes orgánicos emergentes, incluyendo productos farmacéuticos, pesticidas y compuestos fenólicos, así como a matrices más complejas como alimentos y suplementos nutricionales. Además, la metodología abre la puerta a colaboraciones interdisciplinarias con ingeniería de procesos, operadores de plantas de tratamiento y toxicología ambiental, para diseñar procesos que integren criterios de sostenibilidad y eficiencia basados en modelado molecular.Conclusión
Este caso demuestra cómo la combinación de COSMOsuite y TURBOMOLE permite desarrollar procesos de extracción líquido-líquido para la remediación de aguas que sean más ecológicos, eficientes y económicamente viables, apoyando decisiones científicas con un enfoque termodinámico riguroso y validación sólida en muestras reales. La integración de modelado molecular y experimentación representa un paso decisivo hacia soluciones medioambientalmente más sostenibles y económicamente más eficientes en química aplicada.Referencias
1. L. Alonso-Dasques, I. Sacristán, P. Galindo-Iranzo, B. Gómara, R. Lebrón-Aguilar and J.E. Quintanilla-López, “Application of terpenoids for the remediation of environmental water polluted with bisphenol A and its analogs using an in silico approach”. Sci. Total Environ., 952 (2024) 175888.https://doi.org/10.1016/j.scitotenv.2024.175888
- Detalles
- Categoría: Comsol
- Visto: 265
Hemos ampliado el plazo de resúmenes para la Iberian COMSOL Multiphysics Conference 2026: envíe su abstract hasta el lunes 25 de mayo y presente su trabajo ante la comunidad de simulación multifísica.
- 🎤 Oral (15 min + Q&A) o 🖼️ póster (impresión a cargo de la organización).
- 📍 Málaga | 🗓️ 26/06/2026
- 👉 Envío e instrucciones: https://iberiancomsolconference.es/148448/detail/iberian-comsol-multiphysics-conference-2026.html
- Detalles
- Categoría: Minitab
- Visto: 342
Por Alyssa Sarro.
Muchas organizaciones invierten considerablemente en la formación Lean Six Sigma (LSS). Los empleados obtienen la certificación Green Belt, algunos llegan a obtener la Black Belt, y existe un verdadero incentivo para fomentar una cultura centrada en la calidad y la mejora continua.
Pero hay una brecha que se repite una y otra vez. La gente recibe capacitación, se mantiene comprometida durante la misma e incluso algunos continúan aprendiendo. Sin embargo, aproximadamente 30 días después, ya no la utilizan, y esa certificación termina siendo vista más como una insignia que como una herramienta útil para el trabajo. Esto demuestra que el problema no radica en la capacitación en sí, sino en la rapidez con la que ese conocimiento se olvida cuando deja de formar parte del día a día.
La brecha entre la formación y el trabajo diario
En la mayoría de las organizaciones, los profesionales de Lean Six Sigma con certificación Green Belt o inferior constituyen la mayor parte de su personal. La realidad es que la mayoría de los ingenieros y equipos operativos no realizan análisis estadísticos a diario. Su prioridad es mantener los procesos en marcha, resolver problemas con rapidez y seguir adelante. Son eficaces en su trabajo y no se sienten bloqueados.
Lean Six Sigma termina quedando fuera del flujo de trabajo. Se convierte en algo para lo que se les capacitó, pero no en algo en lo que confían. Algunas organizaciones esperan que los empleados dediquen entre el 10% y el 25% de su tiempo a la mejora continua, pero el trabajo diario siempre tiene prioridad. El trabajo de mejora se retrasa y, con el tiempo, los hábitos adquiridos en la capacitación se desvanecen. ¿Dónde queda el tiempo para alejarse del trabajo diario e implementar algo nuevo?
Hablamos con aproximadamente 300 Master Black Belts, quienes nos comentaron que usan Minitab a diario y que no pueden realizar su trabajo sin él. Entonces, ¿cómo podemos cubrir esta necesidad? Los profesionales más capacitados técnicamente dependen de Minitab para tener éxito; imagínese el nivel de optimización que su organización podría alcanzar si miles de ingenieros y green belts sintieran la misma motivación para adoptar LSS.
¿Por qué la adopción de Lean Six Sigma presenta dificultades?
Retrocedamos un paso. Para muchos empleados, las herramientas Lean Six Sigma no parecen necesarias para realizar su trabajo. Han tenido éxito sin ellas, por lo que usarlas puede parecer un paso adicional en lugar de una mejora del proceso, y ahí es precisamente donde se produce el fracaso de su adopción: antes incluso de que comience.
Cuando no se utilizan estas herramientas, los equipos pierden información valiosa. Los patrones pasan desapercibidos, las causas raíz son más difíciles de identificar y los mismos problemas se repiten. En algunas organizaciones, hasta el 32 % de los problemas son recurrentes . Además, los equipos suelen trabajar de forma aislada, lo que dificulta aún más compartir información y prevenir la recurrencia de los problemas.
Integrar Lean Six Sigma en el día a día
Si Lean Six Sigma pretende consolidarse, no puede coexistir con el trabajo diario. Debe formar parte de él. Actualmente, muchos empleados perciben una separación entre sus responsabilidades y la mejora continua. Por un lado, está su trabajo, y por otro, el trabajo de mejora. Mientras persista esta división, la adopción seguirá siendo inconsistente.
El uso de datos y herramientas como Minitab debe sentirse como una parte natural de la resolución de problemas, no como una tarea adicional. Cuando se produce ese cambio, es más probable que las personas utilicen lo aprendido, ya que respalda directamente el trabajo que ya realizan.
Cómo se produce realmente la adopción
La adopción no se logra pidiendo a la gente que utilice Lean Six Sigma con más frecuencia, sino cambiando la forma en que lo experimentan en su trabajo.
Cuando los empleados empiezan a usar Minitab en situaciones reales y descubren lo que se habían estado perdiendo, su perspectiva cambia rápidamente. Comienzan a reconocer patrones, evitan problemas recurrentes y toman decisiones más acertadas. Es entonces cuando suelen empezar a recomendarlo. El reto consiste en lograr que lo utilicen por primera vez, sobre todo cuando están ocupados y no sienten la necesidad inmediata de cambiar su forma de trabajar.
De una simple certificación a la cultura empresarial
La mayoría de las organizaciones ya conocen Lean Six Sigma. Lo que les falta es coherencia en su aplicación. Esto solo se logra cuando Lean Six Sigma se integra en la toma de decisiones cotidiana. Cuando esto sucede, los equipos dedican menos tiempo a resolver los mismos problemas, el trabajo se vuelve menos fragmentado y la mejora deja de estar ligada únicamente a proyectos específicos.
Se convierte en parte del funcionamiento de su organización.
- Detalles
- Categoría: Maple
- Visto: 363
Mejoras continuas: Reciba actualizaciones de la biblioteca de matemáticas durante todo el año.
Maple 2026 incluye un nuevo enfoque para brindar mejoras continuas a la biblioteca a los usuarios de Maple entre las actualizaciones oficiales. Iniciadas a principios de 2025, las Actualizaciones de Soporte al Cliente de Maple son una serie continua de mejoras y correcciones a la biblioteca de Maple, diseñadas para brindar una respuesta rápida a los informes y solicitudes de los usuarios. Mediante estas actualizaciones, los usuarios de Maple pueden acceder a algunas de las últimas mejoras sin tener que esperar a la próxima versión completa o de mantenimiento. En Maple 2026, el paquete SupportTools ofrece una manera sencilla para que los usuarios de Maple instalen las últimas Actualizaciones de Soporte al Cliente cuando les convenga.