La función "Infinite Element Domains" en COMSOL Multiphysics permite modelar dominios extendidos sin necesidad de aumentar significativamente el número de elementos de malla, optimizando el uso de recursos computacionales. Esta técnica es especialmente útil en simulaciones donde el comportamiento del sistema debe analizarse en regiones que se extienden al infinito o en grandes volúmenes de espacio.
¿Cómo se utiliza? Veamos su aplicación a través del ejemplo que se muestra en la Figura 1. Se trata de una placa de titanio con generación de calor en su parte central muy larga en la dirección del eje x. En la figura se destaca la diferencia entre la modelización de la pieza basada en las dimensiones reales y la alternativa simplificada basada en el uso de la función “infinite domains”. Estudiaremos la transferencia de calor en la pieza.

Figura 1. Geometría tridimensional utilizada como ejemplo para comprender cómo se utiliza la función de “infinite domains” en COMSOL Multiphysics®.
En primer lugar, añadiremos la función “infinite domains”, disponible en la sección de “Definiciones” tal y como se muestra en la Figura 2, a nuestro flujo de trabajo. Seguidamente, seleccionaremos aquellos dominios que sean lo suficientemente largos como para poder asumirse infinitos. A partir de aquí, la asignación de materiales y condiciones de contorno se realiza del mismo modo que en cualquier modelo basado en las dimensiones reales de la pieza.

Figura 2. Selección de la función “Infinite Domains” en COMSOL Multiphysics®.
En la Figura 3 se muestran los resultados de temperatura obtenidos, señalándose la evolución de la temperatura en los dominios infinitos. En resumen, el uso de "Infinite Element Domains" tiene las ventajas de trabajar con una geometría simplificada e implementación sencilla, y permite reducir el coste computacional de nuestras simulaciones.
!Esperamos que pueda sacar partido a esta función en futuros modelos y simulaciones en COMSOL Multiphysics®!

Figura 3. Representación gráfica de la temperatura obtenida para una línea de corte (izquierda), y temperatura en todo el volumen de la pieza (derecha).



Por Shawn Shapiro.
Nota sobre este artículo: el pasado mes de febrero fue el Mes del Corazón en Estados Unidos. Las enfermedades cardíacas son la principal causa de muerte en Estados Unidos. Los datos de 2022 muestran que 1 de cada 5 muertes se debió a enfermedades cardíacas y, según la Asociación Estadounidense del Corazón, más de 121 millones de adultos en Estados Unidos padecen enfermedades cardiovasculares.
Hace más de ocho años, me uní a los 121 millones cuando sufrí un episodio de fibrilación auricular (FA).
Cuando era joven, estaba muy nervioso por lo que esto significaba para mi futuro. Desde entonces, me he propuesto mantenerme activo y ser consciente de la salud de mi corazón. Me puse como meta correr una media maratón. Al comprender la relación entre la salud del corazón y correr, decidí planificar mejor mis carreras para mantener mi frecuencia cardíaca en un nivel óptimo.
Afortunadamente, como empleado de Minitab, puedo aprovechar algunas de las soluciones de análisis de datos más potentes para hacer esto.
Cuando empecé a correr, registré datos sobre diversos factores que pueden afectar mi frecuencia cardíaca promedio, como la distancia recorrida, el desnivel ganado, el ritmo promedio, el día de la semana (tal vez algunos días sean más estresantes que otros) y la temperatura. Con el siguiente conjunto de datos, explicaré cómo utilicé las Soluciones de Minitab para analizar estos datos y planificar las mejores carreras para la salud de mi corazón.

Importación de datos a Minitab: comencé importando los datos de mis ejecuciones a Minitab mediante formularios de Minitab Connect. Fue una manera sencilla y sin inconvenientes de importar datos sin necesidad de abrir Minitab después de cada ejecución.
Estadísticas descriptivas: luego, utilicé la herramienta Estadísticas descriptivas para obtener una descripción general de mis datos. Esto me proporcionó medidas como la media, la mediana, la desviación estándar y el rango para cada variable, solo para tener una idea básica de cómo se encuentran actualmente mis datos.

Análisis de correlación: A continuación, realicé un análisis de correlación para ver cómo se relacionan las distintas variables con mi frecuencia cardíaca promedio. Esto me ayudó a comprender qué factores tienen el impacto más significativo en mi frecuencia cardíaca.

Gráfico de intervalos: como pude ver que la temperatura tiene un papel más importante del que esperaba, quería una visualización clara. Por lo tanto, creé un gráfico de intervalos de frecuencia cardíaca promedio frente a temperatura.

Análisis de regresión: ahora que tenía mis ideas claras, era hora de predecir y planificar cómo y cuándo debería correr. Realicé un análisis de regresión para crear un modelo que prediga mi frecuencia cardíaca promedio en función de las otras variables. Pude ver cómo los cambios en el ritmo, la distancia, el desnivel y la temperatura afectan mi frecuencia cardíaca.

Al realizar este ejercicio, esperaba plenamente que mi ritmo promedio tuviera el mayor impacto en mi frecuencia cardíaca promedio.
Me equivoqué.
Una variable sobre la que tengo mucho menos control juega un papel más importante en mi frecuencia cardíaca promedio mientras corro: la temperatura. Sin embargo, esto me resulta increíblemente útil a la hora de planificar las carreras. No quiero dejar de correr solo porque hace más calor afuera, pero como tengo una afección cardíaca, necesito ser cauteloso. También me permite hacerme cargo de las variables que puedo controlar, como el ritmo promedio.
Un ejemplo de cómo puedo planificar el futuro: si estoy planeando una carrera de 5 millas con un desnivel de 32 y afuera hay 75 grados, según mi ecuación de regresión, necesito reducir mi ritmo promedio a 13 minutos por milla. Esto me daría una frecuencia cardíaca promedio prevista de 155.
Como persona competitiva, ¡esto parece muy lento! Pero mi objetivo para el año que viene es mantener la salud cardíaca, no tanto correr rápido. No soy estadístico, pero la facilidad de uso que brindan las soluciones de Minitab permite que cualquiera pueda tomar decisiones basadas en datos.
Al utilizar Minitab para analizar los datos de mis carreras, puedo tomar decisiones informadas sobre mi plan de entrenamiento para optimizar la salud de mi corazón. Comprender el impacto del ritmo y la temperatura en mi frecuencia cardíaca me permite adaptar mis carreras para mantener mi frecuencia cardíaca dentro de un rango saludable. Prioricemos nuestra salud cardíaca manteniéndonos activos y tomando decisiones basadas en datos para apoyar nuestro bienestar
| "El legado de Martin Karplus trasciende sus logros científicos, viviendo en los innumerables científicos de los que fue mentor entre ellos e inspiró a superar los límites de la química tradicional. Su visión y generosidad de espíritu han dejado una huella indeleble en la comunidad científica. El fallecimiento de Martin marca el final de una era, pero su trabajo sigue siendo una piedra angular de la química moderna, dando forma al campo para las generaciones venideras. Extrañaré profundamente su sabiduría y la bondad con la que la compartió. Martin Karplus, una figura imponente en la química teórica, remodeló profundamente el campo de la simulación molecular. Galardonada con el Premio Nobel de Química en 2013, Karplus fue pionera en métodos computacionales para modelar y predecir el comportamiento de sistemas químicos complejos, cerrando la brecha entre los marcos teóricos y la ciencia experimental. Su trabajo pionero sentó las bases de la química computacional moderna, permitiendo a los investigadores visualizar la dinámica molecular y comprender las interacciones químicas con una precisión sin precedentes. Entre sus contribuciones monumentales se encuentra el desarrollo de CHARMM, un programa que revolucionó las simulaciones de dinámica molecular. CHARMM se volvió esencial para la investigación farmacéutica y la ciencia de los materiales, desbloqueando conocimientos sobre el plegamiento de proteínas, el diseño de fármacos y las interacciones moleculares. Su integración en Discovery Studio amplificó su impacto, proporcionando una plataforma accesible para que los científicos aprovechen sus capacidades para abordar los desafíos del mundo real." |
Es habitual trabajar en el model builder de COMSOL Multiphysics® con varios componentes que comparten la misma geometría, por ejemplo, si queremos comparar los resultados de simulación numérica obtenidos cuando se emplean distintos modelos de radiación.
Veamos el ejemplo que se muestra en la Figura 1. Se incluyen dos componentes en el mismo entorno de trabajo y que comparten idéntica geometría, la cual representa la sección de una tubería. Una vez definidos los materiales, las físicas y sus condiciones de contorno se ha configurado la malla del primer componente.
Tras definir la configuración de la malla para el primer componente, una forma rápida de asignar la misma configuración de malla para la geometría del segundo componente es utilizar la función “importar”. La configuración de esta función se muestra en la Figura 2. De esta manera, ahorrará tiempo en la definición de la malla del segundo componente
¡Esperamos que le sirva este “truco” para agilizar la definición de malla en entornos de simulación multicomponente en COMSOL Multiphysics®!

Figura 1. Entorno de modelización multicomponente en COMSOL Multiphysics® prestando atención al mallado.

Figura 2. Función “importar” para utilizar la misma configuración de malla del componente 1 en el componente 2.
Hace varios meses, publicamos un Consejo de modelado en el que se analizaban cambios importantes en el procesamiento de la atmósfera superior con el preprocesador meteorológico AERMET. Desde entonces, la EPA de EE.UU. publicó las versiones 24142 de AERMET y otros componentes del sistema de modelado AERMOD. Esta actualización amplió las capacidades de AERMET para gestionar el formato de datos de la atmósfera superior del Archivo de radiosonda global integrado (IGRA), y la versión 13.0 de AERMET View de Lakes Software ofrece una mayor optimización para los usuarios.
Los usuarios de AERMET View 13.0 encontrarán las siguientes mejoras:
Con la versión 24142, AERMET requiere que se identifique un valor de elevación base (Base Elevation) para todas las estaciones aéreas superiores. Esto garantiza que el nivel del suelo se pueda identificar correctamente incluso cuando el archivo IGRA no tenga este valor. En la vista AERMET, el campo se encuentra en el grupo Upper Air Station Location. Se emitirá una advertencia si los usuarios olvidan introducir esta información.

AERMET View también cuenta con una base de datos de estaciones actualizada que utiliza la documentación de NCEI para completar la información de las estaciones de todos los sitios globales (incluido el nuevo campo de Elevación base requerido ). Simplemente cargue cualquier archivo de datos IGRA en AERMET View y la aplicación aplicará automáticamente cualquier información relevante. Los usuarios también pueden buscar manualmente en la base de datos utilizando el botón Search Stations resaltado a continuación.


Para acceder a los datos de IGRA, consulte nuestro consejo de modelado anterior
.Por Alyssa Sarro.
Si Vd. es como yo, seguramente estará constantemente pidiendo paquetes y esperando que lleguen en los próximos días. Es sorprendente, casi mágico, la rapidez con la que las cosas que necesitamos pueden llegar a nuestras puertas, ¿verdad?
Si trabaja en el sector de embalajes, probablemente esté pensando: "Ojalá fuera magia". Desde garantizar la calidad hasta reducir los costes y los desechos, hay muchas cosas que suceden entre el momento en que hace clic en "pagar" y cuando el paquete llega a su puerta. Analicemos estos desafíos con más detalle y veamos cómo Minitab ofrece las soluciones perfectas para abordarlos.
Imagine que pide un producto y lo encuentra dañado o mal empaquetado. Es frustrante. Garantizar una calidad constante no es tarea fácil. La variabilidad de los materiales y del proceso, y el error humano pueden generar un problema de empaquetado que dé como resultado defectos e insatisfacción del cliente. Aquí es donde Minitab Real-Time SPC entra en acción para convertirse en su inspector de control de calidad. Al monitorizar los procesos de producción en tiempo real, Minitab Real-Time SPC identifica variaciones y problemas potenciales antes de que se agraven.
Además, Minitab Real-Time SPC permite una mejora continua al proporcionar información útil sobre sus procesos de producción. Al analizar las tendencias de los datos e identificar las causas fundamentales de la variabilidad, puede implementar acciones correctivas rápidamente. Esto significa que le notificaremos de inmediato cuando algo no cumpla con las especificaciones. Este enfoque proactivo no solo mantiene estándares de alta calidad, sino que también aumenta la eficiencia general, lo que garantiza que sus operaciones de empaquetado se realicen sin problemas y de manera constante, manteniendo todo perfectamente empaquetado y libre de defectos.
A todos nos gusta hacer buenas compras, pero detrás de escena, equilibrar el coste de los materiales, la mano de obra y la producción manteniendo altos estándares de calidad es una tarea difícil. Como profesionales del embalaje, enfrentan una presión constante para reducir los costes sin comprometer la calidad, lo que puede ser una tarea abrumadora. El software estadístico Minitab permite analizar los datos de producción para identificar ineficiencias y optimizar los procesos. Al comprender las causas fundamentales de la variabilidad y el desperdicio, pueden agilizarse las operaciones y reducir los costes manteniendo intacta la calidad.
No siempre es fácil identificar áreas en las que se están desperdiciando o subutilizando recursos. Con Minitab, pueden encontrarse las causas fundamentales de la variabilidad e implementar mejoras específicas que generen ahorros de costes significativos. Esto no solo ayuda a mantener una ventaja competitiva, sino que también brinda información útil para garantizar que sus operaciones de empaquetado sean financieramente estables a largo plazo.
Antes de realizar el cambio, aproveche el poder de la simulación de eventos discretos para poner a prueba su teoría de mejora. Sea capaz de mostrar los resultados positivos que espera a los supervisores, compañeros y empleados para obtener su apoyo para implementar la mejora.
Con la creciente presión de los consumidores y de las autoridades regulatorias, es necesario encontrar formas en el departamento de empaquetado de reducir los desechos y utilizar materiales sustentables, sin afectar la experiencia del consumidor. El desperdicio excesivo no solo genera mayores costes, sino que también tiene un impacto ambiental negativo. Al analizar diferentes procesos y materiales, Minitab ayuda a comparar opciones sustentables que reducen los desechos y mejoran la eficiencia de los recursos. De esta manera, puede asegurarse que la calidad no se vea afectada por un cambio de material.
Al identificar áreas en las que puede reducir el consumo de energía, minimizar los desechos y utilizar materiales más sostenibles, pueden tomarse decisiones informadas que beneficien tanto al medio ambiente como a los resultados. Este compromiso con la sostenibilidad no solo mejora la reputación de la marca y reduce los costes, sino que también se alinea con la creciente demanda de productos ecológicos por parte de los consumidores.
Al tener visibilidad de los sistemas en cada etapa del proceso, pueden realizarse ajustes sobre la marcha para mitigar los riesgos del proceso y mantener la continuidad. Desde el abastecimiento y la producción de materiales hasta la distribución y la logística, este nivel de control no solo mejora la eficiencia operativa, sino que también garantiza que los clientes reciban sus productos a tiempo, en todo momento.
Al equipar a los equipos de empaquetado con las soluciones adecuadas para enfrentar estos desafíos, puede mantenerse competitivo y satisfacer las altas demandas de los consumidores que esperan entregas rápidas y confiables. Minitab Real-Time SPC y Minitab Statistical Software ofrecen herramientas poderosas para mantener el control de calidad, administrar costos, mejorar la sostenibilidad y garantizar la eficiencia de la cadena de suministro. Si es tan fácil para mí comprar en línea, debería ser igual de fácil para usted en la planta de fabricación.