Detalles

Categoría: Minitab

Publicado: 15 Julio 2025

Visto: 1103

• Inteligencia artificial
• Minitab Solution Center
• Minitab AI

Por Stacey McDaniel.

Sumergirse en la Inteligencia Artificial (IA) puede resultar abrumador al principio, pero rápidamente se está convirtiendo en una ventaja para las organizaciones preparadas para liderar. En la Cumbre Mundial de Transformación Empresarial OPEX 2025, escuché directamente de los líderes hablar sobre sus verdaderos desafíos y avances, y cómo están convirtiendo la IA en un potente motor de crecimiento.

Uso creciente de IA

En 2023, el acceso a grandes modelos lingüísticos (LLM) se hizo disponible para cualquier persona interesada, gracias a innovaciones como ChatGPT de OpenAI y Gemini de Google. El uso de grandes modelos lingüísticos se ha convertido en sinónimo de IA. Hoy en día, la IA está en el centro de las conversaciones en equipos directivos y salas de juntas de todo el mundo, y todos desean explorar cómo estos modelos podrían impulsar sus negocios.

Una encuesta realizada por McKinsey a finales de 2024 reveló que el uso de IA reportado aumentó en 2024: el 78% de los encuestados afirma que sus organizaciones utilizan IA en al menos una función empresarial, frente al 72% a principios de 2024 y el 55% del año anterior. La inteligencia artificial ayuda a las organizaciones a tomar decisiones más inteligentes, a brindar un mejor servicio a los clientes y a operar con mayor eficiencia. Es hora de explorar lo que la IA puede hacer por su organización.

Principales problemas que enfrentan las empresas en las transformaciones de IA

Dentro de las sesiones de OPEX es donde aprendí sobre los desafíos comunes que enfrentan las organizaciones con respecto a la adopción de tecnologías de IA:

• Datos: La mala calidad de los datos, la falta de datos suficientes o los silos de datos siguen siendo puntos críticos en muchas organizaciones.
• Cultura y miedo al cambio: la propuesta de implementar IA es relativamente nueva para muchas organizaciones, y el liderazgo y los empleados pueden necesitar comprenderla mejor para aceptarla.
• Dotación de personal: sin la experiencia adecuada en alfabetización de datos y en IA, las empresas pueden necesitar mejorar las habilidades de los empleados actuales o buscar nuevos.

En Minitab, ayudamos a nuestros clientes a convertir sus datos en información valiosa. No nos sorprendió saber que el éxito de la IA se basa en datos de calidad, ya que hemos desarrollado capacidades para facilitar la investigación y el uso de datos en todas nuestras soluciones.

Mantener la calidad de los datos

Esto es fundamental; saber que se ingresan los datos correctos a su instancia de IA marca la diferencia. Minitab puede ayudar a garantizar la calidad de los datos al abordar características como:

• Precisión: Análisis de datos para identificar inconsistencias o errores
• Completitud: Identificación de valores faltantes y su manejo adecuado
• Coherencia: Identificar patrones y tendencias en los datos
• Oportunidad: Monitoreo y análisis en tiempo real

Adelántese con IA que trabaja para usted

Minitab lleva muchos años aprovechando el poder del aprendizaje automático y la IA basada en reglas para ofrecer resultados fiables y precisos a nuestros clientes. El Centro de Soluciones de Minitab integra numerosas funciones basadas en IA para:

• Explicar los resultados y los detalles técnicos en lenguaje natural para todos los niveles de usuarios.
• Ayudar en la lluvia de ideas para acelerar la resolución de problemas.
• Proporcionar información útil o sugerencias para que su recorrido analítico sea más rápido y sencillo.

Las empresas no son inmunes a la mala calidad de los datos. Antes de que los datos se sometan a análisis con IA, la utilidad Centro de Datos del Centro de Soluciones de Minitab:

• Automatizar las comprobaciones de calidad de los datos: La empresa puede configurar comprobaciones automatizadas para garantizar la precisión y la integridad de los datos. Una vez creado el modelo y comparado con los datos reales, el equipo añadirá datos continuamente para garantizar un seguimiento riguroso y el perfeccionamiento del pronóstico. Esto incluye la identificación de valores faltantes, valores atípicos e inconsistencias.
• Generar resúmenes: Se pueden generar resúmenes rápidos de métricas clave para ofrecer una visión general de los datos. Esto ayuda a comprender la distribución y las tendencias de un vistazo.
• Repetir tareas de preparación de datos: las tareas de preparación de datos comúnmente utilizadas se pueden guardar y reutilizar, lo que agiliza el proceso para análisis futuros.

Empieza a resolver problemas. Da el siguiente paso.

El cambio no siempre es fácil, pero no tiene que afrontarlo solo. Con el socio adecuado, sus datos pueden trabajar más para usted, y la IA también. Ahora es el momento de ver lo que se puede lograr al priorizar a sus clientes, sus equipos y sus decisiones en su estrategia de IA.

Detalles

Categoría: Maple

Publicado: 11 Julio 2025

Visto: 1545

• interfaz
• Maple Flow
• nueva versión

Esta última versión lleva los cálculos de diseño de ingeniería al siguiente nivel con una nueva remozada interfaz, funciones de formato inteligente, herramientas habilitadas para IA, aún más opciones de conectividad y el motor matemático más potente hasta la fecha.

Esta versión incluye muchas funciones de productividad y conectividad que los clientes han estado solicitando y, en particular, hace que Maple Flow sea aún más atractivo para quienes ya están familiarizados con Mathcad.

Aspectos destacados:

• Respuesta más rápida y cálculo mejorado al realizar operaciones con matrices grandes y trabajar con hojas de cálculo extensas.
• Añada una tabla de contenido para organizar su hoja de cálculo y navegar rápidamente entre secciones.
• El nuevo Asistente de fórmulas con IA ayuda a localizar ecuaciones comunes mediante un mensaje de IA integrado.
• Puede ejecutar una hoja de cálculo de Maple Flow directamente desde Maple u otra hoja de cálculo de Maple Flow, o usar el nuevo complemento de Maple Flow para Excel para ejecutarla desde una hoja de cálculo de Excel.
• Migre archivos XMCD de Mathcad antiguos a Maple Flow con el complemento gratuito Asistente de migración.

Detalles

Categoría: Minitab

Publicado: 09 Julio 2025

Visto: 1925

• Minitab
• mejora continua
• Minitab Workspace
• Monte Carlo
• Simul8
• eventos discretos

Por Frances Sneddon.

Minitab ahora ofrece dos tipos de simulación: Monte Carlo y simulación de eventos discretos. ¿Cuál es la diferencia? ¿Cuándo se utiliza cada una?

Minitab Workspace le ayuda a analizar la variabilidad y optimizar la configuración con la simulación de Monte Carlo, mientras que Minitab Simul8 le permite modificar y mejorar flujos de procesos completos mediante la simulación de eventos discretos. Pero ¿cuál es la opción ideal para su desafío?

Cambiar el proceso vs. cambiar la configuración

En un nivel fundamental, la diferencia entre estas dos técnicas de simulación se reduce a qué aspecto del sistema se desea modificar:

• La Simulación de Monte Carlo (MC) se utiliza cuando se desea cambiar la configuración del proceso actual. Monte Carlo se centra en ajustar parámetros clave, como la temperatura, las propiedades del material o los tiempos de servicio, para determinar las condiciones óptimas de operación. Se utiliza ampliamente para el análisis probabilístico y la evaluación de riesgos.
• La Simulación de Eventos Discretos (DES) es ideal cuando se desea modificar los pasos del proceso y considerar el impaecto del tiempo. Esto incluye la reestructuración de flujos de trabajo, la eliminación de cuellos de botella, la introducción del procesamiento en paralelo o la experimentación con nuevas secuencias operativas. Dado que DES considera explícitamente el tiempo, ayuda a analizar retrasos, tiempos de espera y utilización de recursos en sistemas dinámicos. Simul8 por ejemplo, permite a los usuarios visualizar y probar cambios en el diseño de procesos para optimizar la eficiencia.

En resumen: para Monte Carlo piense en parámetros, para eventos discretos piense en procesos.

Cómo funcionan

Simulación de Monte Carlo:

• Utiliza muestreos aleatorios y distribuciones de probabilidad para analizar la variabilidad y la incertidumbre en un sistema.
• Generalmente se aplica a problemas que involucran entradas estocásticas donde los resultados exactos son difíciles de determinar.
• Ayuda a identificar las mejores condiciones operativas en situaciones de incertidumbre.
• Ejemplo de caso de uso: Una fábrica desea determinar la configuración de temperatura óptima para una máquina para minimizar los productos defectuosos.

Simulación de eventos discretos:

• Simula sistemas como una serie de eventos discretos a lo largo del tiempo, capturando cómo los procesos evolucionan dinámicamente e interactúan con las limitaciones de recursos.
• Captura el flujo de entidades individuales (por ejemplo, clientes, piezas, transacciones) a través de un proceso.
• Ayuda a los tomadores de decisiones a optimizar la eficiencia del proceso probando diferentes configuraciones.
• Ejemplo de caso de uso: Una planta de fabricación desea reducir los retrasos en la producción reorganizando las estaciones de trabajo y reasignando recursos.

Cuándo utilizar cada enfoque

¿Cuál es el adecuado para Usted?

Si intenta rediseñar o mejorar un proceso, la Simulación de Eventos Discretos es la opción ideal. Le permite experimentar con cambios estructurales y visualizar cómo las diferentes configuraciones del proceso impactan el rendimiento a lo largo del tiempo.

Si busca evaluar el riesgo, la incertidumbre o encontrar la configuración óptima para un proceso sin modificar su estructura, la simulación de Monte Carlo es la mejor opción. Le ayuda a comprender cómo la variación en las entradas afecta los resultados, lo que resulta ideal para identificar las mejores condiciones operativas.

Cada método (Monte Carlo y Simulación de Eventos Discretos) ofrece un valor único por sí solo. Pero su verdadero potencial reside en su uso conjunto. Por ejemplo, se puede usar Monte Carlo para determinar los mejores parámetros de entrada para un sistema y, posteriormente, usar Simulación de Eventos Discretos para observar su rendimiento en el contexto dinámico del proceso real.

Tomemos un ejemplo de fabricación: se producen componentes automotrices que requieren recubrimiento en polvo y curado en horno. Si los componentes permanecen en el horno demasiado tiempo, se producen defectos. La simulación de Monte Carlo puede ayudarle a comprender cómo el tiempo de curado afecta la calidad del producto y a determinar la duración óptima. Sin embargo, el tiempo de curado no es solo un parámetro, sino que está influenciado por toda la línea de producción. Si la estación posterior al horno está bloqueada, los artículos pueden permanecer en el horno demasiado tiempo, incluso con los parámetros correctos. Aquí es donde entra en juego la Simulación de Eventos Discretos. Permite analizar todo el flujo del proceso para garantizar que el tiempo de curado se mantenga dentro del margen óptimo, mejorando el rendimiento del producto y reduciendo el desperdicio.

Uniéndolo todo: La diferencia de Minitab

Esta capacidad integral, desde la optimización de parámetros hasta el modelado de procesos reales, es lo que distingue a la suite de productos Minitab. Al combinar Monte Carlo, Simulación de Eventos Discretos e incluso Gemelos Digitales para la gestión del rendimiento en tiempo real, Minitab le ofrece un conjunto de herramientas completo e integrado para la mejora continua de procesos.

Descubra cómo las soluciones de Minitab pueden ayudarle a tomar decisiones y resolver problemas. Explore nuestra gama completa de herramientas analíticas y empiece a mejorar sus procesos hoy mismo.

Detalles

Categoría: Comsol

Publicado: 08 Julio 2025

Visto: 1132

• COMSOL Multiphysics
• Acoustics Module
• sensores
• piezoelectricidad

Introducción y objetivos

La necesidad de monitorear y gestionar el impacto de los vehículos pesados sobre la infraestructura ha llevado al desarrollo de nuevas tecnologías de sensores. El estudio desarrollado por Vrtagic et al. [1] titulado “Design and evaluation of a piezoelectric pressure sensor for mass detection with COMSOL and machine learning modeling” y publicado en la revista internacional “Measurement” de Elsevier, presenta un prototipo de sensor de presión basado en materiales piezoeléctricos, diseñado para detectar el peso de los vehículos mediante la medición en tiempo real de su masa. Los autores utilizaron COMSOL Multiphysics^® para simular la respuesta del sensor.

Modelización y simulación numérica

El diseño del sensor combina seis elementos piezoeléctricos de tipo PZT-5H distribuidos simétricamente tal y como se muestra en la geometría Figura 1. En el modelo de COMSOL Multiphysics^® se acoplaron las físicas de mecánica estructural y electrostática.

Figura 1. Diseño estructural con incorporación de sensores piezoeléctricos y presión de carga.

Por otra parte, se definieron condiciones de contorno con restricciones fijas en los bordes y cargas aplicadas verticalmente en puntos de contacto definidos. La malla empleada fue del tipo free tetrahedral, con refinamiento extra-fino para capturar adecuadamente los gradientes de tensión y potencial eléctrico, tal y como se muestra en la Figura 2.

Figura 2. Modelo mallado de la geometría completa con y sin la capa superior.

El modelo simula la respuesta en voltaje inducido por cargas entre 21 kg y 70 kg aplicadas en diferentes posiciones, lo que permite generar una base de datos sintética representativa. Las ecuaciones de acoplamiento piezoeléctrico se basan en la formulación tensorial habitual, permitiendo analizar la distribución del campo eléctrico y las deformaciones inducidas.

Resultados/conclusiones

Los resultados de la simulación muestran cómo las tensiones generadas en las zonas de carga provocan diferencias de potencial medibles entre sensores, dependientes tanto de la magnitud como de la posición de la carga. Esta información fue utilizada para alimentar un modelo de aprendizaje máquina. El entrenamiento se realizó con los datos simulados en COMSOL Multiphysics^® y experimentales, logrando un ajuste muy preciso.

Además, se validaron los resultados con un escenario real utilizando una bicicleta y diferentes pesos, confirmando la robustez del modelo incluso en condiciones dinámicas. Los errores en la estimación de la masa total se mantuvieron por debajo del 2% en la mayoría de los casos. El uso de COMSOL permitió adaptar datos sintéticos al comportamiento real del sistema mediante ajustes no lineales tipo exponencial.

Este trabajo demuestra el potencial de COMSOL como herramienta clave en el diseño de sensores inteligentes, facilitando la generación de datos simulados de alta calidad y reduciendo la necesidad de ensayos físicos costosos. Combinado con aprendizaje máquina, se logra un sistema predictivo escalable para aplicaciones en infraestructura vial, movilidad urbana y control de cargas.

Referencias

[1] Vrtagic et al. “Design and evaluation of a piezoelectric pressure sensor for mass detection with COMSOL and machine learning modeling” Measurement 254 (2025) 117945.

Detalles

Categoría: BIOVIA

Publicado: 03 Julio 2025

Visto: 1597

• BIOVIA
• BIOVIA Discovery Studio
• BIOVIA COSMO-RS
• BIOVIA Materials Studio

Nos enorgullece compartir que nuestro artículo “Así se Diseñan los Nuevos Materiales y Bioterapéuticos: El Poder de la Simulación Computacional” ha sido publicado en el último número digital de la revista FarmaBiotec.

En este artículo abordamos cómo las tecnologías de modelado y simulación molecular permiten:

• Predecir propiedades fisicoquímicas y biológicas de nuevos compuestos, optimizando el diseño de fármacos y materiales avanzados.
• Reducir significativamente los tiempos y costes asociados al desarrollo experimental, gracias a herramientas como BIOVIA Discovery Studio, Materials Studio, COSMO-RS y TURBOMOLE.
• Facilitar el diseño racional de bioterapéuticos, materiales sostenibles y formulaciones innovadoras, mejorando la eficiencia y seguridad de los productos finales.

La simulación computacional se consolida así como un pilar estratégico para la industria farmacéutica, química y de materiales, acelerando la innovación y aportando rigor científico a cada etapa del proceso de I+D.

📖 Puedes leer el artículo completo aquí: Farmabiotec - Especial Inteligencia Artificial

¡Gracias a FarmaBiotec por permitirnos compartir nuestra visión sobre el futuro de la ciencia y la tecnología!

Detalles

Categoría: MapleSim

Publicado: 01 Julio 2025

Visto: 1378

• MapleSim
• simulación dinámica
• máquinas
• ensayos virtuales

Desafío: Para cumplir con los requisitos de rendimiento de una nueva máquina de moldeado por inyección , los ingenieros de Niigon Machines Ltd. se enfrentaron a opciones de actualización de coste prohibitivo. La máquina, que ya operaba en las instalaciones del cliente final, necesitaba reducir el tiempo de ciclo. Los enfoques tradicionales de Niigon implicaban una importante y costosa actualización del sistema mecánico, además de un tiempo de inactividad considerable para la instalación.

Solución: Para evitar costos excesivos de hardware y tiempos de inactividad de las máquinas, Niigon se asoció con Maplesoft para adoptar un enfoque de puesta en marcha virtual. Para reducir el tiempo de ciclo de sus máquinas, los ingenieros de Maplesoft crearon un modelo dinámico que podía servir como una potente plataforma de pruebas para optimizar el código de control. Mediante un gemelo digital de la máquina, el equipo de control pudo desarrollar, refinar y probar una solución optimizada. Logró cumplir con los requisitos existentes sin incurrir en costos adicionales ni tiempos de inactividad de las máquinas.

Resultado: La máquina de moldeado por inyección ahora cumple con todos los requisitos y especificaciones de sus clientes, con un aumento de más del 25% en el rendimiento con el mismo hardware. La puesta en marcha virtual proporcionó a Niigon una nueva forma de lograr el máximo rendimiento con su hardware existente, a una fracción del coste de un rediseño mecánico. Los ingenieros de Niigon están implementando técnicas de puesta en marcha virtual para crear una nueva generación de máquinas que logran un rendimiento más rápido y predecible con un tiempo de puesta en marcha significativamente menor.

En el sector de la automatización, la velocidad y la eficiencia lo son todo. Los ingenieros buscan constantemente nuevas técnicas para aumentar la velocidad de producción sin sacrificar la seguridad ni la calidad. Para mejorar el rendimiento de las máquinas, muchos ingenieros buscan nuevos motores, sistemas hidráulicos y otros componentes que puedan soportar requisitos más exigentes. Con la llegada de la puesta en marcha virtual, los ingenieros de Niigon Machines Ltd. están logrando que sus máquinas actuales funcionen con mayor rapidez, seguridad y eficiencia, utilizando principios de diseño basados ​​en simulación para optimizar sus productos.

omo proveedor de máquinas modernas de moldeo por inyección, Niigon ofrece máquinas modulares y personalizables para satisfacer las demandas de un mercado extremadamente competitivo. Recientemente, entregaron una nueva máquina que operaba dos unidades de inyección en paralelo, aprovechando el accionamiento hidráulico y eléctrico para prensar los moldes (Figura 1). Una vez entregada, su cliente final requería una mayor productividad de la que la máquina podía alcanzar en ese momento.

Figura 1: Un modelo simplificado de la nueva máquina de moldeado por inyección de Niigon, que utiliza dos unidades de moldeado por inyección que funcionan en paralelo.

En su configuración actual, la velocidad de la máquina se veía limitada por oscilaciones indeseadas que aparecían a velocidades de producción más altas, lo que obligaba a operar la máquina a una velocidad inferior a la especificada por el cliente. Estas oscilaciones, que actuaban sobre la platina central, se producían durante la fase del ciclo de la máquina en que estas platinas se cerraban. Los ingenieros de Niigon exploraron diversas opciones para mejorar la configuración de su máquina. Con las técnicas de ingeniería actuales, una solución requeriría la sustitución de los componentes hidráulicos por componentes eléctricos, lo que implicaba un coste en hardware, cientos de horas de ingeniería y pérdidas significativas por tiempo de inactividad de la máquina.

Un nuevo enfoque: puesta en servicio virtual

Ante los altos costos y los plazos ajustados, Niigon decidió considerar un nuevo enfoque para la optimización de máquinas. Se asociaron con Maplesoft, proveedor líder de soluciones de simulación y puesta en marcha virtual, para explorar la optimización de sus estrategias de control con técnicas basadas en simulación. De tener éxito, Niigon podría resolver su problema optimizando con precisión sus controladores para minimizar las oscilaciones no deseadas, sin necesidad de hardware nuevo.

Para obtener resultados lo más rápido posible, Niigon contrató los servicios de Maplesoft Engineering Solutions para desarrollar e implementar una actualización basada en simulación en su máquina. Los expertos de Maplesoft primero desarrollaron un modelo de máquina validado, investigaron las causas subyacentes de las oscilaciones y luego utilizaron el modelo de simulación como plataforma de pruebas virtual para optimizar los controladores de la máquina. Al optimizar el control virtualmente, Niigon pudo desarrollar, probar y optimizar múltiples estrategias sin desconectar la máquina física ni arriesgarse a dañarla durante las pruebas. Una vez desarrollada la estrategia adecuada, la máquina física se actualizó remotamente con el nuevo software.

Desarrollo del modelo

Para crear el modelo de simulación, también conocido como gemelo digital, Niigon proporcionó a Maplesoft diversos datos operativos de su máquina, incluyendo datos de velocidad, posición y par de diferentes componentes. Utilizando MapleSim (Figura 2), la herramienta de modelado y simulación de Maplesoft, se creó un modelo dinámico para replicar el funcionamiento de la máquina física. Para lograr la fidelidad requerida, el modelo incluyó componentes clave de la máquina física, incluyendo sistemas hidráulicos y mecánicos, modelados en el mismo entorno multidominio dentro de MapleSim.

Figura 2: Un ejemplo del espacio de trabajo de MapleSim, que muestra la topología del modelo para parte de la máquina de moldeo por inyección.

Al comparar los datos de la máquina física con los resultados del modelo, los ingenieros de Maplesoft crearon un modelo de simulación que replicaba con precisión las oscilaciones observadas en la máquina física. Ahora podían usar este modelo para investigar la causa de las oscilaciones y simular diversas estrategias para eliminarlas del funcionamiento.

Optimización del código de control

Niigon ya estaba listo para usar su modelo de simulación para desarrollar un nuevo código de control optimizado para la máquina. Como cliente de B&R Industrial Automation, Niigon utilizó Automation Studio para el diseño del control, que permite importar fácilmente modelos de MapleSim para la puesta en marcha virtual. El modelo de MapleSim se conectó a Automation Studio mediante el Conector MapleSim de B&R , lo que permitió a Niigon simular el impacto de su código de control en un modelo basado en simulación en tiempo real (Figura 3).

Figura 3: Ejemplo de la conexión entre MapleSim (derecha) y el software de desarrollo del sistema de control (izquierda), compuesto por B&R Automation Studio y el propio software de interfaz hombre-máquina (HMI). Los ingenieros de Niigon utilizaron el modelo de simulación de MapleSim como plataforma de pruebas virtual para las pruebas en tiempo real dentro de Automation Studio y utilizaron el código de control resultante para la implementación en su sistema HMI.

Al realizar pruebas con una máquina virtual, Niigon pudo ejecutar innumerables iteraciones de estrategias de control de forma remota, sin la máquina física. Con un solo clic, pudieron visualizar la respuesta de su máquina a diferentes estrategias de control, tanto en forma de datos específicos de sensores como de visualizaciones 3D en tiempo real. Tras optimizar virtualmente sus estrategias de control, estaban listos para su implementación en la máquina física.

Uniéndolo todo: Actualizando la máquina

Figura 4: La máquina de moldeo por inyección física, desarrollada por Niigon.

Con los prometedores resultados de sus optimizaciones basadas en modelos, los ingenieros de Niigon y Maplesoft estaban listos para implementar su solución en la máquina física (Figura 4). En una situación típica de puesta en marcha, los ingenieros podrían tardar semanas o meses en definir una configuración de controlador adecuada. Sin embargo, dado que Niigon realizó las pruebas en la máquina virtual, requirieron menos de dos días de inactividad para implementar las optimizaciones en su funcionamiento.

Tras implementar dos importantes estrategias de optimización, las máquinas Niigon lograron reducir el tiempo de ciclo de la máquina en más de un 25% (Figura 5) y eliminar eficazmente los problemas de oscilación durante la producción. «Al principio pensamos que era imposible hacerlo con software», comentó Billy Jiang, diseñador de controles de este proyecto. «Fue increíble cuando obtuvimos estos resultados».

Figura 5: Al optimizar el código de control de la máquina, los ingenieros notaron una reducción significativa en las oscilaciones al comparar el sistema hidráulico sin un controlador optimizado (verde) y con la nueva estrategia de control (rojo).

Al utilizar la puesta en marcha virtual como tecnología de automatización, Niigon logró entregar una máquina que superó los requisitos de rendimiento de su cliente, con menos tiempo de inactividad y un coste inferior al 25% de las soluciones basadas en hardware. Desde la optimización de la máquina de moldeo por inyección, el cliente final ha incorporado un segundo empleado a su línea para seguir el ritmo del aumento de producción.

El futuro de la puesta en servicio virtual en Niigon

Para mí, es una obviedad. Nunca sacarás el máximo provecho de tu sistema mecánico sin simulación.

Marc Ricke Gerente de Ingeniería de Controles y TI, Niigon Machines Ltd.

En cuestión de meses, la simulación de máquinas pasó de ser una opción poco considerada a una herramienta importante para futuros desarrollos de ingeniería en Niigon. Marc Ricke, ingeniero de control de Niigon, está convencido del rendimiento adicional que la simulación puede aportar a toda su línea de productos. "Para mí, es una obviedad. Nunca se sacará el máximo provecho de un sistema mecánico sin simulación".

A medida que continúan implementando procesos de puesta en marcha virtuales en Niigon, Marc seguirá utilizando Maplesoft Engineering Solutions para consultoría, capacitación y software. «La calidad del servicio que recibimos es invaluable. Ante todo, siempre se preocuparon por ayudarnos a abordar y resolver nuestros problemas lo más rápido posible».

¿Qué le depara el futuro a Niigon? Aunque no pueden precisar qué está en desarrollo, Marc confía en que la simulación les proporcionará una sólida ventaja competitiva en sus futuros productos. En el futuro, cree que los clientes empezarán a demandar las ventajas que ofrece el desarrollo de máquinas basado en simulación.

Al principio, el modelado CAD se consideraba innecesario, y algunos creían que no había problema sin él. Hoy en día, ni siquiera se hablaría de su necesidad. En dos años, esperamos que aquí la gente vea la simulación de la misma manera.