Detalles

Categoría: Minitab

Publicado: 20 Enero 2026

Visto: 1535

• Minitab
• fabricación
• Simul8
• Prolink
• rendimiento de producción

Por Josué Zable.

El rendimiento de primera pasada (también llamado rendimiento de producción) es una métrica de calidad clave utilizada por la mayoría de los fabricantes. Mide el porcentaje de productos que pasan por un proceso sin necesidad de retrabajo, reparación, ajuste ni reinspección. Es un cálculo simple: el número de unidades buenas producidas dividido entre el número total de unidades que entran en una etapa determinada del proceso.

Rendimiento del primer paso = Unidades que cumplen todos los requisitos la primera vez ÷ Total de unidades que ingresan al proceso

Por qué es importante el rendimiento en el primer paso

First Pass Yield revela varios conocimientos importantes sobre su proceso de fabricación, entre ellos:

• Con qué eficiencia el proceso crea valor
• ¿Cuánto desperdicio existe debido al descarte o al retrabajo?
• ¿Cuánto coste oculto está vinculado a la mala calidad?
• Con qué consistencia se producen las piezas correctamente la primera vez

Por qué Prolink le ayuda a lograr un rendimiento de primera pasada más rápido

Con el software Prolink, puede recopilar automáticamente datos de medición directamente desde equipos de metrología como CMM, medidores, sistemas de visión, escáneres y más. Al saber al instante si una pieza pasa la inspección, puede calcular el rendimiento de la primera pasada en tiempo real.

La detección de tendencias y las alarmas integradas ayudan a identificar desviaciones del proceso antes de que las piezas se salgan de las especificaciones, alertando a ingenieros y operadores para que tomen medidas correctivas con mayor rapidez. Sin Prolink, las mediciones suelen recopilarse manualmente, lo que aumenta el riesgo de errores y ralentiza considerablemente el proceso de comprensión y mejora del rendimiento de primera pasada.

¿Necesita mejorar el rendimiento a la primera? La integración con Minitab puede ayudarle.

Además de la recopilación automática de datos, Prolink se integra con Minitab para facilitar un análisis más profundo, desde estudios de capacidad hasta gráficos de control. Cuando surgen problemas, el Centro de Soluciones de Minitab puede usar IA para generar soluciones, aplicar análisis predictivos para identificar las causas raíz y sugerir mejoras basadas en datos.

Antes de implementar los cambios, utilice Simul8, que considero que debería ser una parte fundamental del proceso DMAIC de cualquier persona.

Detalles

Categoría: Comsol

Publicado: 15 Enero 2026

Visto: 1827

• COMSOL Multiphysics
• Granular Flow Module
• efecto nuez de Brasil
• convección granular
• DEM
• método de elementos discretos

¿Alguna vez ha notado que, al agitar un frasco de frutos secos, las nueces más grandes (como las nueces de Brasil) terminan arriba? Este comportamiento aparente “contrario a la intuición” es conocido como efecto nuez de Brasil y está relacionado con la convección granular: un fenómeno donde materiales granulares vibrados muestran movimientos parecidos a corrientes de convección

Este fenómeno puede estudiarse en COMSOL Multiphysics^® y el módulo adicional (add-on) Granular Flow Module, basado en el método de elementos discretos (DEM) y que se incluye como novedad en la versión 6.4 (Figura 1). Esta técnica numérica rastrea el movimiento y las colisiones de cada partícula para capturar el comportamiento colectivo de mezclas de partículas de distinto tamaño.

Figura 1. Nuevo módulo de flujo granular (Granula Flow Module) disponible en la versión 6.4 de COMSOL Multiphysics®.

Lo más interesante: incluso cuando las partículas más grandes son más densas y pesadas, las simulaciones muestran que tienden a ascender en un lecho de partículas más pequeñas bajo vibración, gracias a mecanismos combinados de:

• Percolación: las partículas pequeñas se filtran hacia abajo a través de los huecos.
• Efectos inerciales: las partículas grandes resisten moverse hacia abajo.
• Corrientes de convección granular: vibraciones generan flujos ascendentes en el centro y descendentes en los bordes del contenedor.

Este tipo de modelado no solo ayuda a entender un fenómeno cotidiano, sino que también es clave en industria y ciencia para prever y controlar la segregación de partículas en procesos como almacenamiento de granos, mezclado de polvos o transporte de materiales. La Figura 2 muestra un ejemplo 2D en el que se utiliza el módulo de flujo granular en COMSOL Multiphysics^®.

Figura 2. Modelo 2D en COMSOL Multiphysics® versión 6.4 utilizando el módulo de flujo granular.

El módulo de flujo granula (Granular Flow Module) es útil para estudiar aplicaciones como:

• Descarga en tolvas
• Almacenamiento en silos.
• Transporte por canaletas.
• Extendido de polvos.
• Procesos de mezclado.
• Densidad de empaquetamiento.
• Compactación de granos.
• Efectos de segregación

Puede encontrar más información sobre este nuevo producto en el post titulado “Understanding Granular Convection and the Brazil Nut Effect” publicado en el blog de COMSOL Multiphysics®.

Referencias

[1] V. Krisshna, COMSOL Blog 2025. “Understanding Granular Convection and the Brazil Nut Effect”

Detalles

Categoría: Maple

Publicado: 13 Enero 2026

Visto: 1536

• enseñanza
• Maplesoft
• matemáticas
• STEM
• CTIM

Cómo la tecnología le ayuda a ayudar a sus estudiantes

Las matemáticas son importantes, tanto para el mundo en general como para el éxito futuro individual de sus estudiantes. Por eso, como educadores, se esfuerzan incansablemente por ayudar a sus estudiantes a comprender y trabajar con las matemáticas. Es una labor importante y gratificante, pero también una tarea desafiante que se vuelve especialmente difícil cuando el tamaño de las clases aumenta, las distracciones se multiplican y los efectos de la pérdida de aprendizaje se siguen sintiendo. Afortunadamente, la tecnología adecuada puede actuar como su asistente, rindiendo mejor el tiempo y la energía invertidos en la enseñanza y ayudándoles a alcanzar el éxito de sus estudiantes.

En este informe técnico, examinaremos siete desafíos extremadamente comunes que enfrentan los instructores de matemáticas y cursos que las utilizan, como ingeniería, física, química, negocios y economía. Para cada desafío, mostraremos ejemplos de cómo Maplesoft Mathematics Suite, una colección de soluciones de software de Maplesoft, puede proporcionar visualizaciones enriquecedoras, retroalimentación instantánea, ejemplos motivadores, exploraciones prácticas y otros recursos que pueden ayudarle a superar dicho desafío. Para ilustrar estos ejemplos, proporcionamos capturas de pantalla y breves videos tomados con diversos productos de la Suite.

Los desafíos

Cuando se trata de la enseñanza de las matemáticas, ya sea que enseñes un curso de matemáticas o un curso que se base en ellas, hay siete desafíos muy comunes que experimentan los educadores:

1. Involucrar a los estudiantes que se aburren o distraen fácilmente
2. Motivar a los estudiantes que no ven el sentido
3. Superar la ansiedad matemática
4. Inculcar una verdadera comprensión en los estudiantes que solo están siguiendo los pasos.
5. Proporcionar suficientes oportunidades para la práctica
6. Evaluar el progreso en un mundo donde es fácil buscar respuestas
7. Gestión de diferentes niveles de preparación para el curso

No se pueden solucionar estos problemas dedicando más tiempo a las clases. ¿De dónde se obtendrían esas horas? Pero la tecnología matemática puede ayudar en cada una de estas áreas.

Desafío 1: Involucrar a los estudiantes que se aburren o distraen fácilmente

Los estudiantes tienen mucha demanda de atención, incluso en clase. Gran parte del contenido de sus teléfonos y portátiles está diseñado específicamente para distraerlos cuando se necesita que presten atención, y para muchos estudiantes, "un montón de ecuaciones" no es precisamente atractivo.

Pero las matemáticas pueden cobrar vida. Pueden ser visuales. Pueden ser interactivas. Puede ser divertido experimentar con ellas, simplemente para ver qué sucede. A veces, incluso pueden inspirar a los estudiantes con sus posibilidades. Pero para eso, se necesita más que una página estática. Se necesita algo dinámico, con visualizaciones ilustrativas e interactividad significativa.

Ejemplo: Transformaciones geométricas En este ejemplo que demuestra transformaciones geométricas, los estudiantes pueden realizar reflexiones, rotaciones y dilataciones por sí mismos y ver los resultados al instante. Por ejemplo, pueden crear una figura y verla reflejada en los ejes x e y, trasladar una figura horizontal y verticalmente moviendo un control deslizante, o mover otro control deslizante para establecer un factor de dilatación y ver los resultados. Ver: Transformaciones geométricas

Ejemplo: Volumen de sólidos de revolución A los estudiantes a menudo les cuesta visualizar los sólidos de revolución, y los instructores se han retorcido hasta el cansancio intentando transmitir el concepto. En este ejemplo, los estudiantes pueden observar cómo se gira la curva 2D para formar la figura 3D y luego girar la imagen resultante para verla bien desde diferentes ángulos. Pueden observar cómo los cilindros se aproximan a la figura y aumentar el número de cilindros para comprobar, tanto visual como numéricamente, cómo mejora la aproximación. Ver: Volumen de sólidos de revolución

Desafío 2: Motivar a los estudiantes que no ven el sentido

Seguramente ha escuchado muchas variaciones de "¿Pero para qué sirve esto?" en clase. Algunos estudiantes pueden estar encantados de aprender matemáticas por el simple hecho de aprenderlas, pero la mayoría quiere saber por qué necesitan aprender lo que les estás enseñando. ¿Para qué sirve? ¿Por qué debería importarle a alguien?

Por supuesto, las matemáticas se usan en todas partes, y sus aplicaciones prácticas contribuyen enormemente a motivar a los estudiantes. Desafortunadamente, la mayoría de los ejemplos realistas son demasiado complicados para resolverlos en clase a mano, y a veces involucran matemáticas que los estudiantes aún no han aprendido. Pero con la tecnología adecuada, puede presentar a sus estudiantes aplicaciones motivadoras de los conceptos que necesita que aprendan, sin que nadie se atasque en los cálculos.

Ejemplo: Diseño de filtros digitales Las transformadas de Fourier y las transformadas rápidas de Fourier pueden parecer manipulaciones engorrosas, y puede ser difícil transmitir su importancia de forma tangible para los estudiantes. Sin embargo, casi todos los estudiantes han escuchado audio con sonido borroso en algún momento. En este ejemplo, los estudiantes diseñan filtros de Respuesta de Impulso Finito (FIR) para eliminar el ruido de un archivo de audio que pueden generar ellos mismos. Pueden experimentar con los diferentes tipos y configuraciones de filtros sin tener que lidiar aún con los cálculos, y ver, e incluso escuchar, los resultados por sí mismos. Al final, los estudiantes adquieren una comprensión más intuitiva de lo que significa eliminar el ruido de una señal, experimentan la necesidad de diferentes tipos de filtros para señales con diferentes características, tienen una mejor comprensión conceptual y una mayor motivación para aprender las matemáticas que lo sustentan. Ver: Diseño de filtros digitales

Desafío 3: Superar la ansiedad matemática

Algunos estudiantes llegan a clase ansiosos y estresados ​​antes de que puedas siquiera abrir la boca. La ansiedad matemática inhibe su capacidad de aprendizaje, pero no hay suficientes horas a la semana para dedicarles mucha atención extra. Sin embargo, puedes usar la tecnología para ayudar a mejorar su confianza:

• Ayudándoles a identificar las habilidades que ya tienen
• Dándoles herramientas a las que puedan recurrir cuando se queden atascados.
• Mostrándoles dónde se equivocaron y cómo solucionarlo.

Ejemplo: comprobar cada línea de una solución trabajada El estudiante resuelve una integral en papel. Luego, solicita la solución a una herramienta matemática y, si la respuesta es correcta, se tranquiliza y se siente un poco menos ansioso. Si descubre que su respuesta es incorrecta, el estudiante ansioso suele asumir que simplemente "no lo entiende", lo que refuerza la ansiedad y la inseguridad. Pero en lugar de detenerse ahí, el estudiante puede tomar una foto de su trabajo con una aplicación de matemáticas en su teléfono y subir la solución completa a una herramienta en línea. Allí, puede pedirle a la herramienta que revise la solución línea por línea, y esta identifica dónde cometió el error. De esta manera, el estudiante ve dónde se equivocó y cuánto acertó. Si fue un pequeño error, recupera la confianza en su comprensión conceptual. Si necesita ayuda, ahora tiene una pregunta más precisa, lo que facilita mucho que su instructor, amigo u otra persona le ayude rápidamente, reduciendo el tiempo que el estudiante pasa sintiéndose ansioso. Ver: Comprobación de cada línea de una solución trabajada

Ejemplo: Práctica de diferenciación e integración El estudiante ansioso tiende a ver cada respuesta incorrecta como una señal de que no entiende nada. Darle la oportunidad de practicar los conceptos por separado de los cálculos ayuda a reforzar las ideas importantes sin la ansiedad injustificada causada por errores simples. También le muestra al estudiante cuánto realmente entiende, para que pueda mantener la calma más tarde cuando falta un signo menos. En este ejemplo, estas herramientas ayudan al estudiante a practicar las reglas de diferenciación e integración, con un enfoque en comprender cuándo aplicar cada método. El estudiante elige qué paso aplicar, y la herramienta realiza los cálculos reales para que el estudiante pueda mantenerse enfocado en comprender cómo resolver problemas a un nivel superior. Si tiene dificultades, el tutor le da una pista si el estudiante comete un error, y el estudiante puede pedir una pista o el siguiente paso, para que nunca se atasque por completo ni se desanime. Ver: Practicando la diferenciación y la integración

Desafío 4: Inculcar una verdadera comprensión en estudiantes que solo siguen el ritmo

Algunos estudiantes pueden imitar lo que aprenden en clase, pero no comprenden realmente qué hacen ni por qué. Siguen los pasos y llegan a una solución, pero simplemente siguen el procedimiento. Si cambias ligeramente el tipo de problema, o no lo notarán o no sabrán qué hacer. Quieres que tus estudiantes realmente comprendan lo que hacen, no que apliquen un algoritmo a ciegas.

En muchos casos, una buena manera de lograr el objetivo de comprensión es ayudar a los estudiantes a visualizar los conceptos detrás de los pasos, y la tecnología puede ayudarle a hacerlo.

Ejemplo: Fórmulas de área de figuras geométricas básicas En esta aplicación, los estudiantes pueden animar la construcción geométrica detrás de la fórmula del área de una figura dada. Ahora, en lugar de memorizar un montón de fórmulas aparentemente aleatorias, pueden ver de dónde provienen, lo que les ayudará a recordarlas y les proporcionará técnicas para abordar problemas más complejos. Ver: Comprensión de las fórmulas de área de figuras geométricas

Ejemplo: Comprensión de ecuaciones diferenciales Una cosa es seguir los pasos para resolver una ecuación diferencial, pero otra muy distinta es comprender qué sucede realmente y por qué existen soluciones generales y particulares. En este ejemplo, los estudiantes ven un campo de direcciones para la ecuación diferencial elegida, la flecha de dirección en un punto específico y cómo la traza de una solución aproximada que pasa por ese punto sigue las flechas. Pueden experimentar seleccionando diferentes puntos y observando cómo cambian el vector y la solución en cada caso. Desarrollar su comprensión intuitiva mediante este tipo de exploración proporciona a los estudiantes una base sólida sobre la que desarrollar nuevas habilidades. Ver: Entendiendo las ecuaciones diferenciales

Desafío 5: Brindar suficientes oportunidades para la práctica

Las visualizaciones que promueven la comprensión conceptual son importantes, pero también es necesario que los estudiantes se pongan manos a la obra y empiecen a resolver problemas. Hay muchísimos. Pero el libro de texto tiene un número limitado de problemas con soluciones, y a menudo, eso no será suficiente práctica para algunos estudiantes.

Con la tecnología adecuada, los estudiantes tienen acceso a un conjunto inagotable de ejercicios de práctica que les permiten practicar tanto como necesiten. La herramienta les indicará si aciertan o no, para que puedan ganar confianza a medida que desarrollan sus habilidades. Mejor aún, algunas herramientas pueden incluso ayudarles a comprender dónde se equivocaron y cómo retomar el rumbo.

Ejemplo: Práctica para hallar derivadas: reglas del producto y del cociente En este ejemplo, la herramienta genera una secuencia de ejercicios de práctica diseñados para que los estudiantes practiquen un conjunto muy específico de habilidades: aplicar las reglas del producto y el cociente para hallar derivadas. El estudiante primero resuelve el ejercicio en papel, luego usa una aplicación de matemáticas en su teléfono para tomar una foto y subirla a la herramienta, y hace clic en "Verificar trabajo". La herramienta examina cada línea de su solución y, en este caso, le indica al estudiante que cometió un error en el penúltimo paso. El estudiante entonces ve que aplicó las reglas correctamente, pero cometió un error aritmético en su derivación. Corrige el error en el documento, lo vuelve a revisar y luego pasa al siguiente ejercicio. El estudiante también puede pedir sugerencias y, como el instructor lo permite, puede solicitar ver la solución completa cuando necesite otro ejemplo para comprender mejor. Ver: Práctica: Hallar derivadas usando las reglas del producto y el cociente

Ejemplo: Valor esperado Este documento genera preguntas que permiten a los estudiantes practicar la búsqueda del valor esperado de una variable aleatoria continua y luego comprobar sus respuestas. Primero, los estudiantes encuentran la solución dentro del documento, combinando pasos manuales y cálculos realizados por la herramienta. En este caso, el instructor optó por no incluir la opción de ver las soluciones completas, pero sí ofreció sugerencias.

Desafío 6: Evaluar el progreso en un mundo donde es fácil buscar respuestas

Hoy en día, sus estudiantes pueden obtener respuestas fácilmente a las preguntas típicas del tipo "Resuelve esto", independientemente de si entienden lo que están haciendo o no. Puede comprender mucho mejor el aprendizaje de sus estudiantes al asignarles tareas y proyectos centrados en la resolución de problemas conceptuales. A menudo, estos proyectos implican una combinación de comprobación de hipótesis, visualización, explicaciones escritas, cálculos que desea que realicen por sí mismos y cálculos de los que no desea que tengan que preocuparse. La plataforma tecnológica adecuada puede brindarle el entorno necesario para crear proyectos interesantes que sus estudiantes no pueden realizar simplemente buscando respuestas. En cambio, necesitan pensar, cuestionar, comunicarse y aprender.

Ejemplo: Sólidos de revolución En este proyecto, se reta a los estudiantes a crear una función a trozos cuyo sólido de revolución se parezca a una copa de vino o un jarrón. Pueden probar varias funciones, con diferentes límites superiores e inferiores, y observar los resultados. Rápidamente, empiezan a pensar en cómo deberían modificar la función para obtener una forma más atractiva. El instructor también puede establecer un requisito para el volumen mínimo o máximo del recipiente, y los estudiantes pueden usar el software para configurar y resolver la integral y determinar el volumen de cada figura, y luego realizar ajustes adicionales a su función para refinar su vaso o jarrón. En el mismo entorno, el instructor puede pedir a los estudiantes que respondan preguntas que les obliguen a comunicar sus reflexiones y procesos de pensamiento. Ver: Proyecto: Diseña una copa de vino con sólidos de revolución

Desafío 7: Gestionar distintos niveles de preparación para el curso

Los estudiantes ingresan a tu clase con diferentes antecedentes y distintos niveles de preparación. Quieres ayudar a los estudiantes menos preparados a alcanzar a sus compañeros y tener éxito, pero no hay tiempo para brindarles ayuda individualizada. Y eso sin siquiera pensar en los estudiantes más avanzados, a quienes te gustaría mantener motivados y fomentar sus habilidades e interés en la materia. Sin embargo, un buen repositorio de contenido interactivo listo para usar, que cubra diferentes temas y niveles, significa que los estudiantes con diferentes necesidades tienen acceso a materiales que les ayudarán a aprender por sí mismos. Y cuando ese contenido se puede personalizar fácilmente, puedes usarlo como punto de partida para desarrollar recursos más específicos, para el autoaprendizaje, demostraciones en clase, proyectos o lo que necesites.

Ejemplo: Recursos de contenido El contenido y las herramientas para ayudar a los estudiantes a utilizar las soluciones de Maplesoft Mathematics Suite incluyen: Miles de aplicaciones desarrolladas por clientes y expertos de Maplesoft, desde la escuela secundaria en adelante, que cubren temas de matemáticas, ingeniería eléctrica, física, economía, álgebra lineal, ingeniería mecánica, matemáticas comerciales, astronomía y mucho más. Guías de estudio interactivas para cálculo, precálculo y cálculo multivariante Aplicaciones y herramientas diseñadas específicamente para aprender cálculo, estadística, álgebra lineal y más. Ver: Selección de recursos disponibles

Detalles

Categoría: Minitab

Publicado: 12 Enero 2026

Visto: 1803

• Minitab
• calidad
• análisis de datos
• Minitab Solution Center
• Centro de soluciones de Minitab
• OEE

Por Oliver Franz.

El análisis de datos ya no es una ventaja competitiva por sí solo. En 2026, la verdadera ventaja reside en la eficacia con la que las organizaciones convierten los datos en decisiones fiables y repetibles.

En todos los sectores, los líderes están descubriendo que el éxito no se define por la cantidad de datos que recopilan, sino por la consistencia con la que esos datos conducen a la acción. La brecha entre las organizaciones que miden el rendimiento y las que lo mejoran sigue en aumento, lo que se refleja en la calidad, la fiabilidad y la resiliencia.

Trabajando en estrecha colaboración con nuestros clientes en todo el mundo, estamos presenciando este cambio de primera mano. Las organizaciones están aplicando la analítica a los desafíos cotidianos, desde la reducción de defectos y la estabilización de la producción hasta la priorización de las mejoras y la gestión del riesgo operativo. Con el tiempo, surgen patrones claros. Algunos enfoques escalan. Otros se estancan.

Principales tendencias en análisis de datos para 2026: La calidad es fundamental

Basándonos en lo que observamos constantemente entre nuestros clientes, nuestro equipo de investigación ha estudiado las principales tendencias que están dando forma a cómo se aplicará el análisis de datos en 2026.

En conjunto, reflejan un alejamiento del análisis aspiracional y un avance hacia una toma de decisiones disciplinada, práctica y escalable, donde la IA, el análisis y el conocimiento operativo trabajan juntos para ofrecer resultados mensurables, impulsar la transformación digital y mejorar los resultados.

1. La calidad se está convirtiendo en una estrategia empresarial fundamental

La calidad ya no se considera un requisito de cumplimiento ni un punto de control posterior. Las organizaciones líderes están integrando la calidad en la toma de decisiones en operaciones, ingeniería y liderazgo mediante la toma de decisiones basada en datos.

Cuando la calidad mejora, el desperdicio disminuye, la entrega se estabiliza y la confianza del cliente crece. Cuando no es así, el impacto rara vez se controla. Las fallas de calidad se manifiestan como incumplimientos de compromisos, aumento de costos y pérdida de credibilidad.

Lo que ha cambiado es la importancia que la calidad ha adquirido para la toma de decisiones estratégicas. Los líderes de ingeniería y operaciones consideran cada vez más la calidad no como un departamento, sino como un modelo operativo respaldado por el análisis operativo.

2. La simulación está reemplazando el ensayo y error

La simulación no es nueva. Lo novedoso es su uso rutinario para orientar las decisiones cotidianas.

Las organizaciones están dejando atrás la mejora basada en ensayo y error y optando por la simulación como paso estándar en la toma de decisiones basada en datos. En lugar de depender únicamente de la experimentación en vivo, los equipos modelan escenarios para comprender los resultados probables antes de implementar cambios.

Este cambio refleja una creciente complejidad y mayores riesgos. Cuando el tiempo de inactividad es costoso y los plazos son ajustados, los equipos no pueden permitirse el lujo de "ver qué sucede". La simulación les permite evaluar alternativas, poner a prueba las suposiciones y centrar la experimentación donde más importa.

El Diseño de Experimentos (DOE) se utiliza cada vez más junto con la simulación para convertir la información en acción. En lugar de probar un factor a la vez, los equipos utilizan el DOE para comprender cómo interactúan las variables, identificar los factores más influyentes en el rendimiento y validar las mejoras con menos ensayos.

A medida que el DOE se vuelve más accesible, va más allá de los estadísticos expertos y se adentra en el trabajo de mejora rutinaria, ayudando a los equipos a realizar cambios confiables más rápido, con menos interrupciones y menor riesgo.

Las mejoras ya no se debaten interminablemente ni se basan únicamente en la intuición. Se modelan, estructuran y respaldan con evidencia antes de actuar.

3. La OEE está evolucionando desde una simple métrica al marco de diagnóstico

La Eficacia General del Equipo se ha utilizado durante mucho tiempo como métrica de rendimiento. En 2026, las organizaciones líderes la utilizan de forma diferente.

En lugar de preguntar “¿Cuál es nuestro OEE (Overall Equipment Effectiveness)?”, se preguntan “¿Qué está provocando nuestras pérdidas?”.

OEE se utiliza cada vez más como herramienta de diagnóstico, en lugar de como un cuadro de mando. Ayuda a los equipos a identificar dónde se producen fallos en la disponibilidad, el rendimiento o la calidad y dónde las iniciativas de mejora tendrán el mayor impacto mediante el análisis operativo.

Esto refleja un cambio más amplio: las métricas por sí solas no mejoran los procesos. Comprender la variación, sus causas fundamentales y las compensaciones sí lo hace.

En todas las organizaciones, la OEE se está convirtiendo en un punto de partida para la investigación, en lugar de un juicio final. Ayuda a los equipos a formular mejores preguntas sobre la confiabilidad, las limitaciones y el riesgo operativo, lo que facilita una toma de decisiones más sólida basada en datos.

4. La transformación digital se está volviendo práctica y medible

La transformación digital ha madurado. El debate se está alejando de los reemplazos de sistemas a gran escala y las abstracciones del estado futuro hacia mejoras tangibles en la visibilidad y la toma de decisiones.

Las organizaciones están descubriendo valor al utilizar los datos que ya poseen de forma más eficaz. La transformación digital práctica prioriza la claridad sobre la complejidad y la velocidad sobre la perfección.

El enfoque ya no se centra en la transformación por sí misma, sino en permitir mejores decisiones hoy. Ya sea en la planta de producción o en las revisiones de liderazgo, el objetivo es obtener información más rápida, soluciones de compromiso más claras y acciones que se puedan tomar con confianza.

5. El análisis predictivo y la IA convergen en torno a la prevención

El análisis predictivo y la IA ya no se limitan a pronosticar por sí mismos. Su verdadero valor reside en permitir una intervención temprana.

En todas las organizaciones, el uso más eficaz de la IA es ayudar a los equipos a anticipar riesgos, priorizar el trabajo de mejora y prevenir interrupciones antes de que aparezcan en los informes tradicionales.

La IA genera velocidad y escala, pero el pensamiento estadístico genera confianza. Los mejores resultados se obtienen cuando el análisis avanzado se basa en una metodología rigurosa, lo que garantiza que los conocimientos sean explicables, fiables y prácticos.

El resultado es un modelo operativo más preventivo, que reduce las sorpresas y apoya la toma de decisiones segura.

6. El pensamiento estadístico se está expandiendo más allá de los expertos

Quizás el cambio más importante es quién utiliza la analítica.

El pensamiento estadístico ya no es exclusivo de los especialistas. Ingenieros, operadores, profesionales de calidad y líderes interactúan cada vez más directamente con los datos en su trabajo diario.

A medida que las herramientas se vuelven más accesibles y los flujos de trabajo más intuitivos, la analítica se convierte en una capacidad compartida en lugar de un cuello de botella. Esto permite ciclos de mejora más rápidos, mejores decisiones más cercanas al trabajo y operaciones más resilientes en general.

Mirando hacia el futuro

En todas las organizaciones a las que prestamos servicios, hay un patrón claro: el éxito con el análisis es intencional.

Los equipos de alto rendimiento combinan calidad, OEE, simulación, análisis predictivo y pensamiento estadístico en un enfoque coherente. No consideran la analítica como un proyecto ni una plataforma, sino como una forma de trabajar.

El resultado no es sólo un mejor análisis, sino también mejores decisiones, menor riesgo y un rendimiento más confiable.

Si busca pasar del conocimiento a la acción, Minitab Solution Center ayuda a los equipos a conectar datos, análisis y toma de decisiones en un enfoque único y escalable.

Detalles

Categoría: Comsol

Publicado: 08 Enero 2026

Visto: 1441

• COMSOL Multiphysics
• GPU
• COMSOL Multiphysics 6.4
• NVIDIA

Acelerando las simulaciones con el soporte NVIDIA GPU en COMSOL Multiphysics®

La simulación ya no es solo para laboratorios de I+D con supercomputadoras. Con el lanzamiento de COMSOL Multiphysics® versión 6.4, la barrera entre el diseño complejo y la toma de decisiones en tiempo real se está desmoronando gracias a la aceleración por GPU.

El Problema: El "Cuello de Botella" Computacional. Modelar fenómenos del mundo real (electromagnetismo, flujo de fluidos, transferencia de calor) requiere resolver sistemas masivos de ecuaciones. Tradicionalmente, esto dependía de la CPU, lo que significaba:

• Horas o días de espera para obtener resultados.
• Limitación a especialistas con hardware de alta gama.
• Procesos de optimización lentos debido al tiempo de cálculo.

La Solución: NVIDIA cuDSS y el Poder de la Paralelización: La integración del NVIDIA CUDA® Direct Sparse Solver (cuDSS) permite que COMSOL aproveche los miles de núcleos de procesamiento de las GPUs de NVIDIA. ¿El resultado? Una velocidad sin precedentes.

Puntos clave de la versión 6.4:

• Velocidad hasta 8x más rápida: En simulaciones acústicas complejas (como auriculares o smartphones), el uso de una GPU NVIDIA H100 ha demostrado acelerar las simulaciones de forma muy significativa. En el ejemplo de la Figura 1, que muestra el modelo de un transductor de armadura balanceada, comúnmente utilizado en dispositivos de audio intraaurales, fue modelado en el dominio temporal combinando análisis estructural, magnetismo no lineal, acústica, circuitos eléctricos y partes móviles. La simulación multifísica se resolvió utilizando el nuevo solver NVIDIA cuDSS sobre una GPU NVIDIA H100, logrando una aceleración de 8× en comparación con un solver basado en CPU ejecutado en una estación de trabajo equipada con un procesador Intel Core™ i9-10920X.
  
  Figura 1. Simulación de un transductor de armadura balanceada en COMSOL Multiphysics® versión 6.4 utilizando el solver cuDSS.
• Soporte Multi-GPU: Ahora es posible combinar la memoria de varias tarjetas gráficas para resolver modelos masivos que antes no cabían en una sola unidad.
• Democratización de la Simulación: Mediante el uso de Surrogate Models (DNN) entrenados con GPU, los especialistas pueden crear "apps de simulación" sencillas para que colegas no expertos obtengan predicciones en segundos.

Algunos ejemplos de casos de Uso Reales:

• Audio de Alta Fidelidad: Optimización de transductores en tiempo real.
• Ingeniería Estructural: Análisis de fatiga en componentes automotrices (como llantas) con una velocidad 2x superior en estaciones de trabajo estándar.
• Gemelos Digitales: Entrenamiento acelerado de redes neuronales para modelos que responden de forma instantánea.

Conclusión

La aceleración por GPU no es solo "ir más rápido"; es permitir más iteraciones en menos tiempo, lo que se traduce en mejores productos y menores costos de prototipado físico. La simulación multifísica está pasando de ser una herramienta de validación final a ser el motor diario de la innovación.

Referencias

[1] B.Sjodin and J.Yström, COMSOL Blog 2025. “Faster Simulation with NVIDIA GPU Support for COMSOL Multiphysics®”.

Detalles

Categoría: Minitab

Publicado: 07 Enero 2026

Visto: 1701

• Minitab
• Salud
• Inteligencia artificial
• Minitab Solution Center
• Minitab AI
• control estadístico de procesos (SPC)

Por Caitlin Pagano.

Cada año, en el Foro IHI, se puede percibir el pulso de los cambios en la atención médica. Este año, ese pulso fue, sin lugar a dudas, la IA. Según nuestra propia asesora estadística Cheryl Pammer, quen asistió al evento y conectó con líderes de la atención médica en EEUU, la IA no era solo una palabra de moda, sino un tema que la gente ansiaba debatir, cuestionar y comprender mejor.

Pero lo que más llamó la atención no fue la novedad de la IA, sino su urgencia.

Los sistemas de salud ya no se preguntan: "¿Deberíamos adoptar la IA?". Se preguntan: "¿Cómo lo hacemos de forma segura? ¿Responsable? ¿Y de una manera que realmente mejore la atención?".

La IA en la atención sanitaria actual: casos de uso reales, no promesas teóricas

Al recorrer las sesiones de pósteres en el IHI, quedó claro que la IA está yendo más allá de la experimentación. Hospitales y grupos de investigación ya la están poniendo en práctica.

1. Predicción y prevención del deterioro clínico (Stanford Medicine)

Un proyecto piloto realizado por la Facultad de Medicina de la Universidad de Stanford detalló cómo un modelo de aprendizaje automático ayudó a los profesionales clínicos a identificar pacientes con riesgo de deterioro rápido. Pero lo sorprendente no fue solo el modelo, sino también el rediseño del flujo de trabajo en torno a él. El personal de enfermería utilizó alertas generadas por IA para estructurar las reuniones del equipo, comunicarse con mayor antelación e intervenir con mayor rapidez. ¿Los resultados? Se logró un grupo de cumplimiento de >80% durante la prueba piloto Una reducción medible en los eventos de deterioro clínico La lección se repitió durante toda la conferencia: la IA funciona cuando se combina con procesos sólidos, colaboración y conocimientos validados.

2. Automatización de la facturación y reducción de desperdicios (Hospital General de Singapur)

Otro equipo del Hospital General de Singapur mostró cómo la Automatización Robótica de Procesos (RPA) eliminó las tareas de facturación manual, reduciendo el tiempo de procesamiento en un 90%, las tasas de error y liberando tiempo al personal. Esto nos recuerda que la IA no solo se centra en los resultados clínicos, sino también en la excelencia operativa.

3. Confiar, verificar, innovar (Vizient)

Quizás el póster más relevante para el debate general sobre IA fue el trabajo de Vizient, Inc., que utilizó una instancia interna de ChatGPT para clasificar y evaluar tecnologías clínicas emergentes. Su mensaje fue claro: la IA puede acelerar la investigación y la toma de decisiones si se valida, se monitoriza y se integra en un marco analítico fiable. Hicieron hincapié en la necesidad de: Supervisión humana Garantía de calidad rigurosa Bucles de verificación estructurados Si esto le suena familiar es porque estos principios han guiado la filosofía de Minitab durante más de 50 años.

El camino a seguir: IA con responsabilidad

Si hubo un tema común en toda la conferencia, fue este: la IA es potente, pero la atención médica debe adoptarla con disciplina, estructura y compromiso con la seguridad del paciente.

A medida que más hospitales exploran el modelado predictivo, los flujos de trabajo automatizados y el apoyo a la toma de decisiones mediante IA, la necesidad de análisis fiables no hará más que crecer. El entusiasmo por la IA es real, pero también lo es la responsabilidad que conlleva.

Y es exactamente por eso que las organizaciones de atención médica recurren a socios como Minitab.

Haga clic aquí para obtener más información sobre las capacidades de IA de Minitab.

¿Conclusión principal? Los hospitales necesitan un socio, no solo un proveedor. Los hospitales no solo necesitan algoritmos; también necesitan interpretabilidad, repetibilidad y flujos de trabajo orientados a la calidad. Como demostró la información del IHI, el trabajo en equipo multidisciplinario es esencial para el éxito de la IA. Minitab ya apoya a estos equipos en: Mejora de la calidad Reducción de riesgos Eficiencia operativa Análisis clínico Nuestras capacidades de IA, alojadas en el Centro de soluciones de Minitab, están diseñadas para mejorar este trabajo, no para reemplazarlo. Comience a optimizar sus operaciones de atención médica con un verdadero socio.