Detalles

Categoría: Comsol

Publicado: 15 Mayo 2024

Visto: 2088

En la búsqueda de nuevos materiales semiconductores, nuevos diseños de dispositivos tales como sensores, fotodiodos y células solares necesitamos un paquete de simulación avanzado. Aquí es donde entra en juego el Semiconductor Module de COMSOL Multiphysics, que nos permite explorar y comprender mejor el comportamiento de dispositivos semiconductores [1].

Uno de los conceptos clave en esta exploración es el "Generation Rate" (tasa de generación, G), una variable fundamental en la construcción de la curva característica voltaje-corriente (JV) y en el cálculo del Incident Photo-Electron Conversion Efficiency (IPCE). Pero ¿cómo se define y utiliza esta variable en el entorno de COMSOL?

La tasa de generación representa la cantidad de pares electrón-hueco creados por unidad de volumen y tiempo dentro de un material semiconductor. En COMSOL Multiphysics, esta variable se define y calcula mediante modelos físicos que tienen en cuenta la interacción de la luz con los materiales semiconductores del dispositivo.

Para construir la curva voltaje-corriente es crucial entender cómo varía la tasa de generación a lo largo de un dispositivo para diferentes condiciones de operación y geometrías. COMSOL nos permite explorar esta variación al simular el comportamiento del material en respuesta a diferentes longitudes de onda, intensidades de luz y perfiles de dopaje, entre otros factores. Si se ilumina con luz blanca, esto implica que la fuente lumínica contiene todas las longitudes de onda, de acuerdo con la Ec. 1, donde h y c son respectivamente la constante de Planck y la velocidad de la luz en el vacío. Por otra parte, κ es el coeficiente de extinción espectral, E es la irradiancia espectral, λ es la longitud de onda y z es una coordenada espacial. Ver ejemplo [2].

Por otro lado, el IPCE proporciona una medida de la capacidad del dispositivo semiconductor, tal como un fotodiodo o una célula solar, para convertir fotones incidentes en corriente eléctrica. La tasa de generación desempeña un papel crucial en el cálculo de la IPCE, ya que está directamente relacionada con la cantidad de fotones absorbidos y la corriente generada como resultado. Ver Ec. 2, donde P_in es la potencia de la radiación monocromática incidente (es decir, para una longitud de onda en particular). Los demás parámetros y variables son los mismos que para Ec. 1. Ver ejemplo [3], en donde se obtiene IPCE. La generación aparece por la absorción de la onda electromagnética incidente.

Al analizar la Ec. 1 y Ec. 2, se puede ver que para el primer caso se integra sobre todo el espectro electromagnético y G₁ depende de la coordenada espacial z. Por el contrario, para el segundo caso, la tasa de generación G₂ queda dependiente de λ y de z. ¿Cómo se gestiona G₁ y G₂ en COMSOL? Esto se ilustra en las siguientes figuras.

La Figura 1 contiene una lista de parámetros necesarios, los cuales son P_in, un valor fijo de la iluminación monocromática, lambda y incidentPhotonFluxPerArea. Se asume un valor arbitrario para lambda en primera instancia para luego realizar un barrido auxiliar (auxiliary sweep) sobre la longitud de onda. Dichos parámetros serán utilizados en el estudio de IPCE.

Figura 1. Parámetros necesarios para IPCE.

La Figura 2 muestra cómo se han introducido las variables G₁ y G₂ para la tasa de generación: Caso 1, luz blanca (fuente policromática). Caso 2, luz monocromática.

Figura 2. Definición de variables G₁ y G₂, tasa de generación. En el caso de G1, se utiliza lm para definir la longitud de onda como variable de integración. En el caso de G₂, se usa lambda que fue definido en Parameters para luego implementar el barrido auxiliar. Notar que el coeficiente de extinción espectral κ se ha introducido en COMSOL a través de una Interpolation Function, para el cual se conoce de manera experimental.

La Figura 3 muestra dónde se utilizan G₁ y G₂. Respectivamente en el nodo de User Defined Generation, los dos últimos nodos de la Física de Semiconductor (semi).

Figura 3: Nodo donde se utiliza G₁ dentro del Model Builder. Para el caso de la luz monocromática se realiza de manera análoga en el nodo User Defined Generation: Monochromatic light (último nodo de la figura). En dicho caso se introduce G₂.

La Figura 4 muestra cómo configurar el estudio para obtener la curva JV, en donde se hace un barrido auxiliar (auxiliary sweep) sobre el voltaje V0 (definido en parameters aunque no visible). Esto permite trazar la curva voltaje-corriente bajo iluminación policromática en un estudio estacionario.

Figura 4: Configuración del estudio para la curva JV. Se ha elegido el rango 0 a 1 V en pasos de 0.1V.

La Figura 5 muestra cómo configurar el estudio para obtener la curva IPCE, en donde se hace un Auxiliary Sweep sobre la longitud de onda lambda. Esto permite trazar la curva de IPCE bajo iluminación monocromática en un estudio estacionario, diferente al utilizado para la curva voltaje-corriente.

Figura 5: Configuración del estudio para la curva IPCE. Se ha utilizado el rango 300 a 1200 nm en pasos de 20 nm. No obstante, el usuario puede utilizar un paso más fino para mayor resolución (por ejemplo 10 nm).

Los resultados finales se pueden ver en las figuras 6 y 7.

Figura 6. Curva JV donde se puede observar la expresión utilizada en campo de configuración Global. Esto es semi.I0_1 la cual es la corriente en uno de los terminales. La variable para el eje horizontal es el parámetro V0 sobre el cual se ha hecho el barrido auxiliar en el estudio estacionario.

Figura 7. Curva IPCE donde se puede observar la expresión utilizada en campo de configuración Global. Esto es IPCE=I/(q PhotonFlux Area). La variable para el eje horizontal es el parámetro lambda sobre el cual se ha hecho el barrido auxiliar en el estudio estacionario correspondiente.

En resumen, la definición y comprensión de la tasa de generación en COMSOL Multiphysics nos permite profundizar en el funcionamiento interno de dispositivos semiconductores. Caso de sensores, fotodiodos y células solares. Al emplear esta herramienta avanzada, los investigadores y diseñadores pueden explorar una amplia gama de escenarios y parámetros para el diseño de dispositivos óptimos.

Referencias

[1] COMSOL Semiconductor Module
[2] Galería de aplicaciones de COMSOL: Si Solar Cell 1D
[3] Galería de aplicaciones de COMSOL: GaAs PIN Photodiode

Detalles

Categoría: Maple

Publicado: 15 Mayo 2024

Visto: 2207

• Maple
• Maple 2024

Las nuevas herramientas de procesado de señal de Maple 2024 permiten combinar, y analizar señales de más maneras y más eficientemente.

• El nuevo comando ResponseSpectrum se utiliza para graficar la respuesta de una estructura o sistema a frecuencias variables de movimiento del suelo o excitación de entrada.
• El comando IntegrateData se ha actualizado para incluir opciones para especificar el área inicial y devolver totales acumulados.
• Los comandos IntegrateData y IntegrateData2D ahora aceptan unidades en los contenedores de datos y tamaños de paso.
• Los cálculos pesados utilizados por el comando FindPeakPoints se ejecutan significativamente más rápidos.

Detalles

Categoría: Lakes

Publicado: 14 Mayo 2024

Visto: 2017

Personalización de la pantalla principal

Todas las aplicaciones comerciales de Lakes Software presentan una apariencia similar. Esta familiaridad permite a los usuarios ejecutar fácilmente una variedad de modelos de dispersión de aire incluso cuando acceden a un producto nuevo por primera vez. La imagen de la cabecera muestra y utiliza AERMOD View para demostrar los componentes clave de cada aplicación de Lakes Software.

Estos componentes incluyen:

1. Barra de menú principal que enumera todos los comandos disponibles
2. Botones de la barra de herramientas para una selección rápida de los comandos del menú principal
3. Vista de árbol con pestañas para acceder a diferentes opciones de visualización, como superposiciones y gráficos de salida del modelo.
4. Barra de herramientas de la aplicación para la definición gráfica de objetos del modelo.
5. Barra de herramientas de anotación para gestionar el contenido del área de dibujo.
6. Etiquetas de eje que muestran las coordenadas reales del área de modelado.
7. Área de dibujo donde se muestran gráficamente todos los datos de entrada del modelo
8. Barra de colores que muestra los niveles de contorno de los trazados de salida del modelo seleccionado
9. Panel de coordenadas que muestra la ubicación precisa del cursor del mouse en el sistema de coordenadas del proyecto
10. Barra de herramientas de salida gráfica que proporciona fácil acceso a opciones de salida gráfica y datos de salida del modelo.

Cada aplicación tiene varias opciones de personalización que permiten a los usuarios crear una pantalla que se adapte a sus necesidades individuales. A continuación se muestra una lista de funciones útiles y opciones disponibles para ayudar en esta personalización.

• El menú View proporciona acceso directo para seleccionar qué barras de herramientas y paneles están visibles.
  

  

• El tamaño de los botones de la barra de herramientas se puede personalizar mediante File | Preferences | General settings.
  

  

• En la misma opción General settings, los usuarios puede escoger Group Toolbar Buttons para agrupar los botones de la barra de herramientas reduciendo el tamaño de la barra.
  

  

• Cada barra de herramientas (Application, Annotation y Graphical Output) se puede mover fácilmente haciendo clic y arrastrando la barra de herramientas a otra ubicación. También se pueden mover para que sean un cuadro de diálogo de barra de herramientas flotante en lugar de fijarse a la pantalla principal.
  

  

• La barra de colores Color Ramp pued moverse haciendo clic derecho en el panel y seleccioinando la ubicación de visualización en el menú contextual.
  

  

  

   

Detalles

Categoría: Minitab

Publicado: 14 Mayo 2024

Visto: 1926

¿Es capaz de predecir con confianza cómo se comportarán sus productos, procesos o clientes?

Únase a nosotros en la semana de la Analítica Predictiva de Minitab (Minitab's Predictive Analytics Week), una serie de seminarios web diseñados para impulsar sus habilidades de datos a nuevas alturas

El científico de datos, asesor sénior de Minitab, Mikhail Golovnya, se centrará en el modelado predictivo, la inteligencia artificial y la implementación de modelos, explorando sus aplicaciones en varios sectores, incluidos los casos de uso bancario y humanitario modernos.

Esto es lo que le deparará cada día a las 17h:

• Martes 21 de mayo: Exploring Reliable, Rule-Based AI and Automated Machine Learning
• Miércoles 22 de mayo: Mastering Model Optimization with Artificial Intelligence (AI)
• Jueves 23 de mayo: Model Deployment: Monitoring, Diagnostics, and Predictive Concepts

Detalles

Categoría: Minitab

Publicado: 14 Mayo 2024

Visto: 2317

Por Óliver Franz.

El control de calidad es un pilar fundamental en la fabricación de dispositivos médicos. Después de todo, si los productos no cumplen con los más altos estándares de seguridad y funcionalidad, las personas podrían sufrir un diagnóstico erróneo, sufrir lesiones o incluso morir. Cada dispositivo debe cumplir con especificaciones y regulaciones exactas; incluso las desviaciones menores pueden tener repercusiones importantes.

Utilizando un ejemplo como la optimización de un componente para MRI, destacaremos cómo Minitab Statistical Software puede ayudar a identificar rápidamente fuentes de riesgo en su proceso de producción y abordarlas, ahorrando tiempo, dinero y potencialmente también vidas.

¿CÓMO SE MIDE LA RESISTENCIA DE LA BOBINA?

En la fabricación de dispositivos médicos, la resistencia de la bobina, especialmente en los sistemas de imágenes por resonancia magnética (MRI), denota la facilidad con la que la corriente eléctrica fluye a través de las bobinas dentro de estas máquinas. Un ohmio es la unidad de medida de la resistencia eléctrica y representa la resistencia que encuentra una corriente eléctrica al pasar a través de un material. Es vital ya que afecta directamente la calidad de los campos magnéticos, crucial para obtener imágenes de diagnóstico claras y precisas. Al gestionar los niveles de resistencia de la bobina, los fabricantes garantizan una mejor claridad de imagen, cumplimiento normativo y seguridad, lo que mejora la precisión del diagnóstico y el bienestar del paciente.

Las mediciones de resistencia de la bobina normalmente se encuentran dentro de rangos específicos en la fabricación de resonancia magnética para garantizar el rendimiento y la seguridad. Por ejemplo, en nuestro caso, las bobinas de transmisión, que generan pulsos de radiofrecuencia, suelen presentar lecturas de resistencia más altas. Comprender estos rangos es crucial ya que afectan la eficiencia del campo magnético, lo cual es fundamental para obtener imágenes precisas. Las mediciones precisas de la resistencia de la bobina dentro de este rango mantienen la calidad y confiabilidad del sistema de resonancia magnética, y las desviaciones requieren más investigaciones para mantener estándares estrictos.

Obtuvimos datos de muestra de un fabricante de estas bobinas para rastrear si las clasificaciones de ohmios eran consistentes y, en caso contrario, determinar qué factores condujeron a una variación estadísticamente significativa en la resistencia en ohmios.

Si se trabaja como operador, gerente o director en una organización que fabrica cualquier tipo de producto, este post puede interesar.

¿QUÉ MUESTRAN LOS GRÁFICOS DE CONTROL SOBRE NUESTROS DATOS?

Para empezar, se recopilan datos de 50 ejecuciones de fabricación y se determina la lectura de resistencia media de cada ejecución. Luego, se colocan los datos en Minitab Statistical Software (este proceso se puede realizar automáticamente en tiempo real con Real-Time SPC). Luego se solicita a Minitab que genere un gráfico I-MR de la medición de la resistencia de la bobina (medida en ohmios):

Este gráfico muestra los puntos de datos en los que la medición era mucho más alta de lo que debería haber sido en el gráfico de valores individuales. El equipo ahora podría señalar tres momentos específicos en los que la resistencia promedio de la bobina fue mucho mayor de lo que debería haber sido o estuvo fuera de control.

¿QUÉ FACTORES PODRÍAN CAUSAR LA VARIABILIDAD?

Luego, el equipo decidió que necesitaban realizar una lluvia de ideas para determinar posibles variables que podrían causar variabilidad en la resistencia de la bobina de resonancia magnética. Para ello, el equipo se reunió y discutió posibles factores que podrían conducir a la variabilidad. Determinaron que la variabilidad probablemente fue causada por uno de cuatro atributos generales: problemas relacionados con las materias primas, problemas relacionados con el proceso, problemas de diseño o error humano. Luego determinaron algunas causas de cada factor que podrían provocar una variabilidad significativa.

Luego fueron a Minitab Workspace y crearon un diagrama de espina de pescado para visualizar las variables potenciales:

Ahora disponían de un diagrama claro y pulido para presentar a dirección, que describía las posibles causas de la variabilidad en la resistencia de la bobina que indicaban los gráficos de control.

¿QUÉ PASA CON OTROS FACTORES?

A medida que el equipo profundizó en otras fuentes de variación para determinar qué podría estar causando que algunas mediciones quedaran fuera del rango esperado, decidieron centrarse primero en el factor humano y el posible error del operador.

Había seis operadores en total y cada línea tenía dos operadores separados trabajando en ellos en el momento de la recopilación de datos. El equipo implementó una prueba ANOVA unidireccional. En términos simples, ANOVA unidireccional muestra si existen diferencias significativas en las medias de tres o más grupos independientes. Aquí estaban sus resultados:

Visualmente, el operador O tuvo lecturas mucho más altas que todos los demás operadores. Y con un valor P de 0,002, era justo decir que esta discrepancia era estadísticamente significativa.

¿CUÁL ES EL VALOR DE UTILIZAR DATOS EN LA FABRICACIÓN DE DISPOSITIVOS MÉDICOS?

En este caso, se ahorraron miles de dólares. Al investigar y eliminar una fuente importante de variación en su proceso mediante la capacitación del operador O, pudieron hacer que el proceso fuera más capaz de cumplir con las especificaciones. Con algo de capacitación correctiva y apoyo y supervisión adicionales, el operador mejoró y redujo la lectura de ohmios de las bobinas que era responsable de producir.

Además, poder identificar a un operador específico fue clave. En lugar de volver a capacitar a todo el personal (una tarea costosa y que requiere mucho tiempo), los esfuerzos podrían dirigirse a la persona que más los necesita. Y se eliminó el prejuicio; el valor p demostró que la diferencia entre el operador O y los demás operadores era estadísticamente significativa y no podía explicarse por casualidad.

Minitab también se puede utilizar para:

• Manejo eficiente de extensos conjuntos de datos para un análisis integral.
• Realizar análisis estadísticos complejos para descubrir conocimientos y tendencias.
• Generación de informes personalizables adaptados a requisitos regulatorios y estándares de calidad específicos.

Comenzar a utilizar Minitab es fácil, independientemente de su función. No es necesario ser estadístico y Minitab cuenta con un equipo dedicado de profesionales para ayudar con la implementación o la capacitación.

Detalles

Categoría: Comsol

Publicado: 13 Mayo 2024

Visto: 2286

Introducción

Las cámaras anecoicas son relevantes para la caracterización de antenas. En el artículo de Tian Peng y co-autores [1] se muestra la construcción de una cámara anecoica miniaturizada utilizando COMSOL Multiphysics y un modelo PML (Perfectly Matched Layer) inhomogéneo. Los autores describen cómo esta cámara se diseñó y construyó para aplicaciones en el campo de la teoría y técnicas de microondas. La utilización de COMSOL Multiphysics permitió simular y optimizar el diseño de la cámara para garantizar un rendimiento óptimo. Este enfoque ofrece una solución para la creación de cámaras anecoicas miniaturizadas, lo que puede tener implicaciones significativas en diversas aplicaciones de microondas. El artículo detalla la metodología utilizada para diseñar y construir la cámara anecoica miniaturizada, así como los resultados obtenidos a través de simulaciones y pruebas experimentales.

Detalles

En cuanto a la metodología, los autores utilizaron COMSOL Multiphysics para modelar y simular la cámara anecoica. Emplearon un modelo PML inhomogéneo para absorber eficientemente las ondas electromagnéticas incidentes, asegurando así un rendimiento óptimo de la cámara en términos de atenuación de las reflexiones y la difracción. Este enfoque permitió un diseño preciso y una optimización detallada de la cámara para adaptarse a las necesidades específicas de las aplicaciones de microondas.

En cuanto a los resultados, los autores encontraron que el modelo PML inhomogéneo utilizado en COMSOL Multiphysics demostró ser altamente efectivo para absorber las ondas electromagnéticas dentro de la cámara anecoica. Las simulaciones mostraron una excelente concordancia entre los resultados teóricos y experimentales, lo que validó la precisión del modelo utilizado. Además, las pruebas experimentales realizadas confirmaron el rendimiento esperado de la cámara, demostrando su capacidad para proporcionar un entorno libre de reflexiones y difracciones para aplicaciones de microondas.

En resumen, la combinación de la metodología de diseño basada en COMSOL Multiphysics y el modelo PML inhomogéneo resultó en una cámara anecoica miniaturizada altamente eficiente para aplicaciones en el campo de la teoría y técnicas de microondas. Los resultados obtenidos respaldan la utilidad y la viabilidad de este enfoque para la construcción de cámaras anecoicas en una variedad de contextos de investigación y desarrollo en microondas.

Ejemplo en la librería de aplicaciones de COMSOL

Existe un ejemplo práctico en la Librería de Aplicaciones de COMSOL, titulado “Anechoic Chamber Absorbing Electromagnetic Waves”, Application ID: 38681. El modelo está concebido de tal manera que dentro de la cámara hay absorbedores configurados con una matriz de objetos piramidales dirigiendo el campo incidente propagante hacia sus absorbedores vecinos. Al absorber ondas electromagnéticas dentro de la cámara y bloquear señales entrantes desde afuera, la cámara crea un espacio virtual infinito que tiene casi ninguna reflexión interna y no sufre de ruidos externos no deseados de RF.

Este modelo simula una antena bicónica, popularmente utilizada en pruebas de EMI y EMC, que se encuentra en el centro de una pequeña cámara anecoica. El patrón de radiación de campo lejano y el parámetro S (S11) computados demuestran que los absorbedores de microondas reducen significativamente la reflexión de las paredes sin distorsionar el rendimiento de la antena. Ver Figura de la cabecera, que muestra una Cámara anecoica construida en una habitación de 3,9m x 3,9m x 3,3m [2]. Está compuesta por absorbedores de microondas en paredes conductoras delgadas.

Referencias

[1] Tian Peng, Fazhong Shen , Dexin Ye , Chun Wang, Tianyi Zhou , Chao Ma , Bin Zhang, Wangzhao Cui, Changzhi Li , and Lixin Ran. Miniaturized Anechoic Chamber Constructed Based on an Inhomogeneous PML Model. IEEE Transactions on Microwave Theory and Techniques, Vol. 67, No. 9, September 2019. Doi: http://doi.org/10.1109/TMTT.2019.2924924.
[2] Galería de aplicaciones de COMSOL: Anechoic Chamber Absorbing Electromagnetic Waves