- Detalles
- Categoría: Comsol
- Visto: 1471
Introducción y objetivos
Durante más de cinco décadas, las misiones humanas y robóticas han ampliado significativamente nuestro conocimiento sobre la Luna. Sin embargo, aún queda mucho por descubrir, especialmente en lo que respecta a su comportamiento térmico. Comprender cómo varía la temperatura en la superficie y subsuelo lunar es esencial para planificar futuras misiones y garantizar la seguridad y eficiencia de las operaciones en el satélite natural.
Con este objetivo, el Dr. Durga Prasad y su equipo del Physical Research Laboratory en India desarrollaron un modelo 3D pionero utilizando COMSOL Multiphysics® tal y como se muestra en la Figura 1. Este modelo combina simulaciones numéricas con experimentos de laboratorio para analizar las variaciones espaciales y temporales de temperatura en las capas superficiales y subsuperficiales de la Luna [1].
¿Por qué es importante conocer el comportamiento térmico lunar?
Las condiciones térmicas extremas de la Luna, con temperaturas que oscilan entre los -173 °C durante la noche y los 127 °C durante el día, representan un desafío significativo para las misiones espaciales. Estos ciclos térmicos pueden afectar la integridad estructural de los hábitats y equipos, además de influir en la eficiencia de los sistemas de generación de energía y gestión térmica.
Además, el estudio del comportamiento térmico lunar es crucial para identificar posibles recursos, como el hielo de agua, y desarrollar estrategias para su extracción. También proporciona información valiosa sobre la geología lunar, las propiedades del regolito y los procesos internos del satélite.
Figura 1. (a) Valle de Taurus–Littrow y sitio de aterrizaje del Apollo 17. (b) Región de interés considerada para simulaciones a escala regional. (c) Geometría artificial del MDE creada para simulaciones a escala local. (d) Geometría mallada y plano de corte en el eje y-z.
Desarrollo del modelo termofísico lunar
El modelo desarrollado por el Dr. Prasad se basa en un enfoque de elementos finitos tridimensionales, implementado en el entorno de COMSOL Multiphysics® junto con el módulo de transferencia de calor. Este enfoque permite representar con precisión las complejas geometrías de la superficie lunar y es adecuado para simulaciones a diferentes escalas.
El modelo considera una estructura de dos capas: una capa superior porosa con baja conductividad térmica y una capa inferior más densa. Esta configuración refleja la composición real del regolito lunar y su influencia en la distribución de temperaturas en la superficie y el subsuelo.
Para validar el modelo, se realizaron experimentos de laboratorio utilizando suelos análogos al regolito lunar bajo condiciones simuladas del entorno lunar. Los resultados obtenidos mostraron una buena concordancia con las simulaciones, lo que respalda la precisión y utilidad del modelo desarrollado. La Figura 2 muestra la distribución de temperaturas superficiales obtenidas a partir del modelo y las simulaciones numéricas en COMSOL Multiphysics®.
Figura 2. Gráficas tridimensionales de las temperaturas superficiales obtenidas del modelo desarrollado en COMSOL Multiphysics® para simulaciones a escala local en momentos seleccionados de un día lunar.
Consideración de parámetros clave y la influencia de la topografía
El modelo incorpora parámetros físicos fundamentales como la densidad, conductividad térmica y calor específico, los cuales no son constantes y dependen de diversos factores, incluyendo la latitud, composición del suelo y características topográficas. La topografía lunar, con sus cráteres y variaciones en la elevación, desempeña un papel crucial en la transferencia de calor. El modelo desarrollado permite analizar cómo estas características afectan la distribución térmica, proporcionando información esencial para la selección de sitios de aterrizaje y la planificación de infraestructuras en futuras misiones.
Conclusión
El uso de COMSOL Multiphysics® ha sido fundamental para el desarrollo de un modelo termofísico tridimensional que mejora nuestra comprensión del comportamiento térmico de la Luna. Este modelo no solo facilita la planificación de futuras misiones espaciales, sino que también contribuye al avance del conocimiento científico sobre nuestro satélite natural.
Para más detalles sobre este estudio, puedes consultar el artículo original en el blog de COMSOL: A 3D Model Helps Scientists Predict Thermal Behavior of the Moon.
Referencias
[1] K.D. Prasad, V.K. Rai, and S.V.S. Murty, “A comprehensive 3D thermophysical model of the lunar surface,” Earth and Space Science, vol. 9, 2022; https://doi.org/10.1029/2021EA001968
[2] COMSOL Blog (2025), “A 3D Model Helps Scientists Predict Thermal Behavior of the Moon”: https://www.comsol.com/blogs/a-3d-model-helps-scientists-predict-thermal-behavior-of-the-moon.
- Detalles
- Categoría: BIOVIA
- Visto: 1372
Dassault Systemes le invita el próximo 29 de mayo a las 10:10h, a su próximo webinar en vivo: "Lleva tus procesos de desarrollo de producto al siguiente nivel"
En él se explorará cómo la tecnología puede transformar la formulación de productos para hacerla más eficiente, colaborativa y preparada para el futuro
- Detalles
- Categoría: Minitab
- Visto: 1428
Por Caitlin Pagano.
El desafío: defender la automatización
Para muchos fabricantes, garantizar la calidad del producto es una lucha constante contra el desperdicio, las repeticiones de trabajos y las ineficiencias. En este ejemplo ilustrativo, basado en desafíos reales de la industria, un fabricante del sector electrónico se enfrentó a gastos significativos debido a las altas tasas de desperdicio y las costosas repeticiones de trabajos. Su dependencia de inspectores humanos para los controles visuales de calidad resultó en resultados inconsistentes, lo que dificultó mantener altos estándares y a la vez controlar los costos.
El equipo de Control de Calidad (QA) creía que un sistema de inspección por cámara podría resolver este problema mejorando la precisión y reduciendo los defectos. Sin embargo, la dirección no estaba convencida. El equipo necesitaba pruebas claras y basadas en datos para demostrar que invertir en automatización generaría mejoras medibles en la calidad y ahorros de costos. Los resultados del nuevo sistema incluirían información más precisa sobre si la unidad bajo prueba presentaba o no defectos.
Uso de Minitab para evaluar la precisión de la inspección
Para determinar si las inspecciones con cámara eran realmente más efectivas que las realizadas por inspectores humanos, el equipo de control de calidad recurrió al software estadístico Minitab. Realizaron un estudio de R&R del sistema de medición para medir la variación en los resultados de la inspección y un análisis de varianza (ANOVA) para comparar el rendimiento de los inspectores humanos y el del sistema de cámaras.
Los resultados fueron reveladores: el sistema de cámaras proporcionó inspecciones más consistentes y fiables, mientras que el error humano introdujo variabilidad que generó desperdicios innecesarios. En teoría, los hallazgos fueron convincentes. Sin embargo, presentar análisis estadísticos sin procesar a los ejecutivos representó otro desafío, que requirió un enfoque más estratégico para la visualización y comunicación de datos.
Dando vida a los datos con los paneles de control de Minitab
Aquí es donde los tableros de control de Minitab desempeñaron un papel fundamental. En lugar de compartir hojas de cálculo llenas de números, el equipo de control de calidad recopiló sus hallazgos en un tablero de control claro e interactivo que demostró la importancia de la automatización.
- Una visualización de tendencias de las tasas de desechos a lo largo del tiempo mostró una disminución drástica cuando se implementaron inspecciones con cámara.
- Un panel de análisis de costos proyectó los ahorros a largo plazo al reducir los defectos y el retrabajo.
- Una comparación de inspecciones humanas y automatizadas ilustró la precisión y repetibilidad de la tecnología de cámaras.
Al traducir hallazgos estadísticos complejos en una historia visual, el equipo facilitó a la dirección la comprensión del verdadero impacto de las inspecciones con cámara, que determinan si cada unidad probada presenta defectos o no. Como resultado, la dirección aprobó la inversión, lo que se tradujo en una mejora de la calidad, una reducción de costes y un proceso de producción más eficiente.
Más allá del estudio inicial: cómo los paneles de control impulsan la mejora continua
|
La implementación de las inspecciones con cámara fue solo el comienzo. Con los Dashboards de Minitab, la empresa continuó monitoreando las métricas de calidad, lo que les permitió monitorear tendencias, identificar nuevas oportunidades de mejora y asegurar que su inversión siguiera generando valor. Incluso ampliaron su estrategia de inspección con cámara a los proveedores, garantizando una calidad constante en toda su cadena de suministro. Este ejemplo ilustra cómo los paneles de control de Minitab transforman el análisis estadístico en información práctica, haciendo que las decisiones basadas en datos sean más accesibles y efectivas en todos los niveles de una organización. |
|
Descubra todo el potencial de sus datos
Para fabricantes y equipos de calidad que buscan justificar inversiones, optimizar procesos o obtener visibilidad del rendimiento, los tableros de control de Minitab ofrecen la claridad y la confianza necesarias para actuar. Descubra cómo Minitab puede ayudarle a convertir datos sin procesar en información estratégica y eficaz.
- Detalles
- Categoría: Comsol
- Visto: 1450
Introducción y objetivos
Las tecnologías del hidrógeno desempeñarán un papel fundamental en la transición hacia una economía descarbonizada. Sin embargo, la densidad energética volumétrica del hidrógeno es extremadamente baja, lo que complica su almacenamiento y transporte. En cuanto al transporte de hidrógeno a gran escala y largas distancias, un equipo de investigadores de la universidad japonesa Yokohama National University trabajan en el desarrollo del sistema tolueno/metilciclohexano (MCH), que se perfila como uno de los portadores orgánicos líquidos de hidrógeno (LOHCs) más prometedores, debido a su baja toxicidad, una capacidad de almacenamiento de hidrógeno aceptable y sus características similares a la gasolina, que permitirían aprovechar la infraestructura petrolera existente.
Entre las distintas técnicas y métodos que este grupo está empleando, destaca el la modelización y simulación numérica con COMSOL Multiphysics®.
Modelización y simulación numérica
Los investigadores de YNU trabajan actualmente en el desarrollo de un modelo bidimensional de una celda individual de electrólisis directa para la electro-hidrogenación de tolueno en COMSOL Multiphysics®.
La Figura 1 muestra un diagrama esquemático de dicho electrolizador, que está basado en la tecnología de membrana de intercambio protónico [1]. En comparación con la técnica convencional de hidrogenación de tolueno en dos etapas (es decir, producción de hidrógeno mediante electrólisis y posterior hidrogenación exotérmica del tolueno), este método innovador de una sola etapa ofrece ventajas en términos eficiencia energética [2]. No obstante, en la práctica, el suministro adecuado de tolueno al sitio de reacción del cátodo (es decir, la capa catalítica) es crucial para alcanzar una buena proporción de hidrogenación.
El modelo que desarrollan en COMSOL Multiphysics® acopla los distintos mecanismos y ecuaciones que describen el comportamiento del sistema: ecuaciones de continuidad para las fases acuosa y oleosa, la ecuación de convección-difusión para determinar la concentración de tolueno y MCH en el lado del cátodo (tanto en la capa del electrocatalizador como en el electrodo poroso), el transporte de agua a través de la membrana polimérica electrolítica, y las ecuaciones de conservación de la corriente eléctrica. Los resultados de la simulación numérica permiten estimar la concentración de especies en el lado del cátodo (es decir, acumulación de fase oleosa y agua líquida), la absorción de agua en la membrana y la distribución de la densidad de corriente en el electrodo del cátodo.
Figura 1. Diagrama del un electrolizador para la electro-hidrogenación directa de tolueno.
Resultados/conclusiones
Los autores mostraron algunos resultados preliminares obtenidos en la última edición de la Iberian COMSOL Multiphysics Conference [2]. La Figura 2 muestra la concentración de tolueno y MCH obtenida en el lado del cátodo desde la entrada (parte inferior) hasta la salida (parte superior) cuando la celda opera bajo una densidad de corriente de 0.5 A/cm². Mientras que la concentración de tolueno disminuye a medida que el flujo se aproxima a la salida, la concentración de MCH aumenta. De hecho, la concentración de MCH es máxima en la salida del cátodo. Por otro lado, la concentración de tolueno es mayor en las regiones más cercanas a la placa de distribución de flujo del cátodo, mientras que la mayor concentración de MCH se encontró cerca del electrocatalizador.
Figura 2. (a) Geometría bidimensional del modelo de celda de electro-hidrogenación directa de tolueno. Concentración de la fase oleosa en el lado del cátodo bajo una densidad de corriente de 0.5 A/cm²: (b) tolueno y (c) MCH.
En combinación con los datos experimentales, las simulaciones numéricas en COMSOL Multiphysics® de una celda de electrólisis para la electro-hidrogenación directa de tolueno proporcionan información útil para comprender su rendimiento y planificar estrategias que optimicen el diseño de esta tecnología. Destaca, por tanto, el gran potencial que ofrece COMSOL Multiphysics® para desarrollar las futuras tecnologías que permitan el almacenamiento y transporte de hidrógeno renovable a temperatura ambiente y presión atmosférica.
Referencias
[1] A. Atienza-Márquez, S. Oi, T. Araki, S. Mitsushima. Water transport across the membrane of a direct toluene electro-hydrogenation electrolyzer: Experiments and modelling. Energy (2024), 304, 132186. https://doi.org/10.1016/j.energy.2024.132186
[2] A. Atienza-Márquez, T. Araki, S. Mitsushima. Modelling and numerical simulation of a toluene direct electro-hydrogenation electrolyzer cell. Iberian COMSOL Multiphysics Conference (2024) Málaga.
- Detalles
- Categoría: Comsol
- Visto: 1869
Para mantenerse a la vanguardia en los mercados cada vez más competitivos, las organizaciones de todos los sectores deben mejorar su eficiencia y optimizar resultados, al mismo tiempo que reducen el uso de recursos. COMSOL News 2025, presenta historias de ingenieros y científicos que impulsan la innovación y el desarrollo en sus empresas mediante el uso de modelado y simulación, logrando ideas novedosas y avances significativos en sus proyectos.
Los temas de la nueva edición de 2025 incluyen:
- Comercialización de la energía de fusión
- Aceleración de la producción biofarmacéutica
- Desarrollo de baterías para vehículos eléctricos con química alternativa
- Entrenamiento de vehículos submarinos no tripulados
- Diseño de mejores embarcaderos para turbinas eólicas marinas
- Pruebas de petróleo y gas extraídos
- Desarrollo conjunto de audífonos para fabricantes
- Ayuda a astronautas para respirar en la Estación Espacial Internacional
Otras historias adicionales de esta edición analizan cómo la optimización de la topología puede impulsar el diseño generativo o inverso y por qué las organizaciones de todo el mundo deberían considerar crear sus propias aplicaciones de simulación personalizadas.
- Detalles
- Categoría: Minitab
- Visto: 1130
Por Oliver Franz.
Las operaciones de transporte son la columna vertebral de innumerables industrias, pero incluso las pequeñas ineficiencias pueden agravarse con el tiempo, agotando silenciosamente los recursos y reduciendo la rentabilidad. Al adoptar una mentalidad de mejora continua y aprovechar herramientas potentes como Minitab, puede identificar y abordar estas ineficiencias sistemáticamente, convirtiendo los obstáculos en oportunidades de crecimiento.
Exploremos tres ineficiencias comunes en las operaciones de la flota y cómo resolverlas con mejoras basadas en datos.
1. Consumo excesivo de combustible
Los costes de combustible son un gasto significativo y continuo para cualquier flota. Las rutas ineficientes, los vehículos con el motor en ralentí y las conductas de conducción inconsistentes contribuyen al desperdicio de combustible. Por ejemplo, una flota podría descubrir que los conductores utilizan rutas obsoletas que aumentan el tiempo de viaje y el consumo de combustible.
Solución:
Comience analizando sus datos de combustible para identificar patrones y valores atípicos. Con el Análisis de Regresión de Minitab , puede identificar los factores que más contribuyen al consumo excesivo de combustible, como tiempos de inactividad, ineficiencias en las rutas o problemas de mantenimiento del vehículo. Utilice los Diagramas de Pareto para priorizar estos factores según su impacto.
Una vez que sepa dónde se necesitan mejoras, implemente cambios de forma gradual, como optimizar rutas o implementar programas de capacitación para conductores. Realice un seguimiento de los resultados a lo largo del tiempo mediante gráficos de control para garantizar mejoras sostenidas.
2. Retrasos e interrupciones en la entrega
Los retrasos no solo son frustrantes, sino también costosos. Ya sea por averías inesperadas del vehículo, mantenimiento inoportuno o congestión del tráfico, pueden provocar el incumplimiento de plazos y una pérdida de confianza del cliente. Una flota podría descubrir que su enfoque reactivo al mantenimiento provoca averías frecuentes durante periodos de entrega críticos.
Solución:
Pase del mantenimiento reactivo al predictivo. El análisis predictivo de Minitab puede analizar datos históricos de mantenimiento e identificar tendencias, lo que le ayuda a anticipar cuándo es probable que los vehículos requieran mantenimiento. Utilice gráficos de control para supervisar el rendimiento del vehículo a lo largo del tiempo y detectar señales tempranas de posibles problemas.
Con un programa de mantenimiento basado en datos, puede reducir el tiempo de inactividad, mejorar la confiabilidad y garantizar que las entregas se mantengan según lo previsto. La monitorización continua garantiza que sus operaciones se adapten a la evolución de las condiciones, reforzando las mejoras.
3. Recursos subutilizados
La infrautilización de vehículos, conductores o espacio de almacenamiento suele pasar desapercibida, pero puede generar un desperdicio de capacidad y costes inflados. Por ejemplo, una flota podría enviar regularmente vehículos parcialmente cargados, lo que requiere viajes adicionales para satisfacer la demanda.
Solución:
Comience consolidando sus datos. Las herramientas de preparación de datos de Minitab Connect le permiten integrar información de los programas de envío, los volúmenes de entrega y la disponibilidad de los conductores en una sola vista. Utilice el Diseño de Experimentos (DOE) para probar diferentes estrategias de planificación, programación y enrutamiento de cargas.
Una vez identificadas las estrategias óptimas de asignación de recursos, impleméntelas gradualmente y monitoree los resultados con gráficos de ejecución para medir las mejoras. Con el tiempo, observará una mayor utilización, menos viajes y un mayor ahorro de costos, todo ello manteniendo la flexibilidad ante cambios inesperados.
El poder de la mejora continua con Minitab
Cada ineficiencia es una oportunidad para mejorar, y el camino hacia la optimización nunca está completamente completo. Al adoptar una cultura de mejora continua y utilizar las herramientas de Minitab para descubrir información valiosa y monitorear el progreso, su flota puede alcanzar el éxito a largo plazo.
¿Está listo para dar el siguiente paso hacia una mayor eficiencia y rentabilidad?
- Detalles
- Categoría: Minitab
- Visto: 1817
Por Alyssa Sarro.
El Centro de Soluciones de Minitab se desarrolló para abordar la creciente necesidad de soluciones integradas e intuitivas que permitan realizar tareas complejas de análisis y visualización de datos. Nuestro objetivo es brindar una experiencia fluida que permita a los usuarios tomar decisiones basadas en datos con confianza. Al combinar nuestras soluciones principales, que ya conoce y aprecia, como Minitab Statistical Software y Minitab Workspace, con las nuevas utilidades del Centro de Soluciones, buscamos ofrecer un enfoque integral para el análisis de datos, la gestión de proyectos y la toma de decisiones informada.
Solution Center en acciónPara presentar el Minitab Solution Center, analicemos un ejemplo hipotético que utiliza una variedad de nuestras soluciones. Para todos los productos comercializados, se requiere un modelo de pronóstico para predecir el número de recetas que se espera emitir en períodos específicos, ya sea mensual o trimestralmente. El pronóstico se compara con las ventas reales y, si hay una variación de más o menos el 4% o más, los ejecutivos inician una revisión exhaustiva. Una variación negativa indica una disminución en las recetas, mientras que una variación positiva sugiere la necesidad de ajustar la producción para satisfacer la creciente demanda. Una empresa hipotética planea lanzar un nuevo medicamento y necesita crear un modelo de pronóstico antes de su lanzamiento al mercado. Adquirirá datos de recetas a una empresa de inteligencia de datos que recopila información de consultorios médicos y farmacias una vez que el medicamento se lanza al mercado para refinar su modelo y realizar los ajustes necesarios. |
|
.png)
Aplicación paso a paso de Minitab Solution Center
Paso 1: Diseñar el modelo de pronóstico mediante lluvia de ideas
El equipo de investigación comenzó utilizando la utilidad Brainstorm de Minitab Solution Center. Esta se utiliza para estructurar y refinar ideas antes de crear los modelos de pronóstico. Esto incluye:
- Diagramas de espina de pescado: identificación de posibles causas de variación en las ventas de recetas, como tendencias estacionales, iniciativas de marketing o cambios en las políticas de atención médica.
- Mapas Mentales y Mapas de Ideas: Organización y visualización de ideas relacionadas con el proceso de pronóstico. Esto facilita la generación de ideas sobre diferentes escenarios y factores que podrían afectar el pronóstico.
- Minitab IA: Con la nueva Minitab IA, el equipo puede generar diferentes fuentes de datos para extraerlos y así crear el modelo más preciso. Por ejemplo, la IA puede sugerir diferentes competidores y tipos de fármacos más antiguos para que se agreguen los datos relevantes al construir el modelo.
Al utilizar estas herramientas visuales, el equipo puede garantizar que se consideren todas las variables aplicables y que el modelo de pronóstico sea completo.
Paso 2: Preparación de datos con el centro de datos
La utilidad Centro de Datos es el siguiente paso para preparar los datos para el modelo predictivo. Se puede usar así:
- 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.
La función de cuadrícula de datos permite a los usuarios interactuar con los datos mediante una vista de tabla, lo que facilita la realización de acciones como filtrar, ordenar y visualizar las métricas de las columnas. Esto garantiza que los datos estén limpios y listos para su análisis en los siguientes pasos.
Paso 3: Análisis de datos con el software estadístico Minitab
Con los datos preparados y los factores clave identificados, la empresa puede realizar diversos análisis con Minitab Statistical Software. El Minitab, conocido y fiable, que conocen sus usuarios, está a un clic de distancia, integrado directamente en el Centro de Soluciones. Desde aquí, los análisis pueden tomar diversas direcciones. En este ejemplo, la empresa avanza con su análisis de series de tiempo y utiliza los datos del centro de datos IQ para trazar la tendencia.
Mediante el análisis de tendencias para identificar y modelar tendencias a lo largo del tiempo, los pronósticos pueden compararse con los datos de ventas reales. Cualquier variación significativa (más o menos el 4%) da lugar a una revisión exhaustiva por parte de las partes interesadas.
Paso 4: Perspectivas mejoradas con Minitab AI
Basándose en las capacidades de análisis de datos de Minitab Statistical Software, Minitab AI puede llevar sus hallazgos al siguiente nivel. En nuestro ejemplo, Minitab AI puede ayudar con un par de aspectos diferentes:
- Al analizar patrones y tendencias en los datos de prescripción, Minitab AI ofrecerá información y recomendaciones prácticas, como identificar posibles causas de variación y sugerir ajustes a los cronogramas de producción.
- Los conceptos estadísticos complejos y los detalles técnicos relacionados con los modelos de pronóstico y el análisis de varianza se traducirán a un lenguaje fácil de entender, haciéndolos accesibles para usuarios con distintos niveles de experiencia.
Paso 5: Ver el panorama general con paneles de control
Finalmente, la utilidad Dashboards permite a la empresa visualizar y monitorizar información clave. Esto incluye:
- Visualizaciones interactivas: Creación de paneles que muestran métricas y tendencias clave. Estas visualizaciones facilitan la monitorización del rendimiento y la identificación de problemas atípicos.
- Actualización periódica: Seguimiento de los datos de ventas y pronósticos, lo que permite realizar ajustes rápidos a los cronogramas de producción si es necesario. El equipo decide actualizar el modelo mensualmente con nuevos datos, lo que permite actualizar el pronóstico según corresponda.
- Compartir información: los paneles se pueden compartir con las partes interesadas, lo que garantiza que todos tengan acceso a la información más reciente.
Al utilizar la utilidad Dashboards, todos pueden ver rápidamente si es necesario ajustar la producción para satisfacer la demanda o si se requiere más investigación debido a una caída en las prescripciones.
Minitab Solution Center integra sus nuevas utilidades con nuestras soluciones principales para ofrecer una potente suite a las empresas que buscan optimizar sus capacidades de análisis de datos. Al optimizar la preparación de datos, facilitar la lluvia de ideas y proporcionar visualizaciones intuitivas, permite a los usuarios tomar decisiones más inteligentes basadas en datos.