- Detalles
- Categoría: Lakes
- Visto: 5104
La mayoría de los modelos de dispersión de aire utilizan archivos de texto simples para leer entradas y escribir datos de salida. Para visualizar estos archivos, las aplicaciones de Lakes Environmental utilizan el editor de texto predeterminado del sistema. Los usuarios pueden preferir usar un editor de texto diferente para utilizar una funcionalidad diferente o dar formato a los datos de manera diferente. Para aprovechar estas funciones adicionales, puede cambiar el editor de texto predeterminado llamado por el software.
Paso 1: Acceder a la opción Preferences del menú File
Paso 2: Seleccionar System Editor de la lista de Ajustes (Settings)
Paso 3: Escoger entre WordPad, Notepad, o User-Specified.
Una ventaja de utilizar Notepad es la capacidad de identificar números de línea. Con Word Wrap desactivado (vaya al menú Format y anule la selección de Word Wrap), puede habilitar la Status Bar bajo el menú View. La barra de estado rastrea el cursor e indica el número de línea y columna de la posición actual del cursor.
Esto es útil para identificar la ubicación de errores dentro de los archivos del modelo. Por ejemplo, AERMOD siempre imprime un número de línea en los mensajes de advertencia y error. El siguiente mensaje de advertencia hace referencia a la línea 38 como la ubicación de un posible parámetro de fuente fuera de rango (VS para velocidad de salida).
Si abro el archivo de entrada y busco la línea 38, encuentro una fuente puntual con una velocidad de salida > 50 m/s.
También puede elegirse un editor especificado por el usuario en el menú Preferences. El siguiente ejemplo utiliza el programa de código abierto Notepad++ como el nuevo editor predeterminado antes de abrir un archivo de entrada CALMET desde CALPUFF View.
- Detalles
- Categoría: Comsol
- Visto: 5509
Neena Picardo nos presenta cuatro ejemplos de diseños de celdas de combustible diferentes en el artículo "4 Examples of Fuel Cell Modeling in COMSOL Multiphysics®" del blog de COMSOL.
Últimamente se oye mucho hablar de las pilas de combustible ya que son una de las tecnologías más apreciadas en el ámbito de la energía verde y las tecnologías del hidrógeno.
Una celda de hidrógeno es un dispositivo electroquímico que transforma de forma directa la energía química en eléctrica. La celda de combustible requiere hidrógeno (como combustible)) y oxigeno (como comburente). A partir de estos dos compuestos es capaz de generar electricidad, calor y agua. Que el subproducto generado sea agua es lo que las hace un "combustible limpio", pues no hay generación ni de dióxido de carbono ni de otros gases tóxicos.
COMSOL Multiphysics ofrece un módulo especializado para el análisis, diseño y optimización de estos dispositivos. Se trata del módulo "Fuel Cell & Electrolyzer". Este módulo está pensado para anallizar sistemas de celdas de combustible y electrolizadores, lo cual es útil para diseñar y optimizar las celdas electroquímicas. Los tipos de sistemas que se pueden estudiar incluyen celdas de combustible de membrana de intercambio de protones (PEMFC), celdas de combustible de intercambio de hidróxido (alcalinas) (AFC) y celdas de combustible de óxido sólido (SOFC), así como los correspondientes sistemas de electrolizadores de agua. El módulo acomoda todo tipo de celdas de combustible y electrolizadores.
En el artículo del blog Neena explora cuatro diferentes diseños de celdas de combustible para evaluar los diferentes aspectos de los diseños de celdas de combustible: Pila de combustible de óxido sólido, célula de combustible PEM de baja temperatura, pila de combusible PEM no isotérmica y la refrigeración de una pila de celdas de combustible.
- Detalles
- Categoría: Minitab
- Visto: 6648
Por Stacey McDaniel.
Todos sabemos que la calidad es importante. Asegurar la calidad ofrece una serie de beneficios, desde utilizar menos recursos, promover la lealtad del cliente y la satisfacción de la marca y, por supuesto, ahorros generales cuando las cosas se hacen bien a la primera.
Según la 2022 Market Guide for Quality Management Systems de Gartner, "La noción que se repite a menudo, pero que rara vez se sigue, de que 'la calidad es trabajo de todos' ahora se está realizando a una escala sin precedentes".
El trabajo de "calidad" ya no recae únicamente en el departamento de calidad. La preocupación por la calidad se extiende mucho más allá, y a algunos roles y departamentos que quizás tradicionalmente no se hayan considerado. Y, con la llegada de las soluciones basadas en la nube, los equipos y departamentos pueden colaborar e intercambiar ideas para reforzar las iniciativas de calidad en toda la empresa. Estos son algunos ejemplos de cómo las diferentes áreas de una organización pueden aprovechar el análisis de datos para mejorar la calidad:
-
Experiencia del cliente: ¿Sabe realmente lo que quieren sus clientes? Cuando se empieza a preguntar "¿cómo podemos mejorar la experiencia del cliente?" es posible que se encuentren algunas ideas sorprendentes como las de este importante proveedor de alquiler. Obtenga más información en este artículo: El análisis de Minitab revela las sorprendentes preferencias de los viajeros para el principal proveedor de alquileres vacacionales.
-
Almacén/logística: la optimización del inventario, como la mayoría de las soluciones de problemas, requiere un proceso reflexivo y algunos pasos. Hay ramificaciones por no optimizar el inventario. Al producir en exceso y mantener altos niveles de inventario, los productos podrían estropearse o incluso deteriorarse. El exceso de inventario no solo crea costes hoy, sino que también genera costes ocultos más adelante si necesita producir más bienes para reemplazar productos que estuvieron en el estante durante demasiado tiempo. Obtenga más información en este artículo: 3 pasos para evitar pedidos pendientes y optimizar sus niveles de inventario
-
Desarrollo de productos: existe una diferencia entre la calidad del diseño y la calidad de la fabricación. Llevar la calidad a la fase de diseño reducirá el desperdicio y los recursos a largo plazo.
-
Fabricación: el análisis de datos se puede poner a trabajar para encontrar nuevas formas de reducir costes y garantizar que los productos de calidad se produzcan de manera eficiente. Estos son algunos ejemplos de cómo los fabricantes de semiconductores pueden utilizar el control estadístico de procesos, ANOVA y otros métodos para lograr la calidad: 4 pasos para que los fabricantes de semiconductores mejoren la calidad y el rendimiento
-
Recursos humanos: puede ser difícil atraer a los mejores candidatos para un trabajo. Un simple análisis estadístico puede ayudar a los reclutadores a emplear un enfoque científico para seleccionar a los mejores candidatos e incorporarlos rápidamente. Este artículo nos lo explica: Minitab para recursos humanos: análisis de datos de reclutamiento para contratar a los mejores candidatos rápidamente
-
Marketing: el tiempo dedicado a la lluvia de ideas sobre la siguiente mejor estrategia puede ser abrumador. Puede ahorrar tiempo y recursos en la planificación de estrategias y asegurarse de que surjan ideas de calidad cuando utilice las numerosas herramientas visuales, mapas de procesos, diagramas de lluvia de ideas y formularios de Minitab Workspace. Lea cómo estas herramientas ayudarán a sus equipos a mantenerse enfocados mientras crean estrategias sólidas: Uso de Minitab Workspace en Marketing Parte 1: Ahorre tiempo en el desarrollo de estrategias
Asegurar la calidad no debe dejarse solo en manos de aquellos certificados en Lean Six Sigma o que impulsan estrategias Lean. Como puede verse, la calidad debe tratarse como un problema de toda la empresa y Minitab ofrece soluciones comprobadas que respaldarán a su organización en todos los niveles.
- Detalles
- Categoría: Comsol
- Visto: 5319
Las funciones biológicas generalmente ocurren en medios acuosos. Es en ellos donde tienen lugar las reacciones químicas que sustentan la vida y su evolución. Dichos medios pueden ser soluciones acuosas con iones en suspensión, y juegan un papel al transportar macromoléculas, entre otras características. Es decir, estamos hablando de fluidos, los cuales pueden estar sujetos a una variedad de condiciones, tales como perturbaciones intrínsecas o impuestas. En el caso de fuerzas aplicadas externamente una de estas influencias externas puede ser el campo magnético [1].
En el siguiente ejemplo de acoplamiento multifísico, se tiene un balón de vidrio con un medio acuoso en su interior. El medio contiene minerales y células vegetales o microalgas. Se incluye una varilla por donde ingresa aire. Tras el ingreso de aire, se crean burbujas que inducen la circulación del fluido. Luego, existe la influencia de un campo magnético externo, producido por un anillo de 4 imanes permanentes de Neodimio. Por lo tanto, las especies cargadas (iones) están en movimiento relativo a las líneas del campo magnético. La idea de someter al sistema biológico a estas condiciones es estresar las células para inducir una respuesta inhibitoria o de alta producción de especies antioxidantes (ver detalles en [2]).
Figura 1: (a) Matraz de Balón conteniendo un medio de cultivo con un arreglo de imanes alrededor [2]. (b) Modelo 3D. (c) Modelo 2D axisimétrico a partir de (b).
En cuanto a la modelización, se ha utilizado la interfaz de Magnetic Fields (ACDC) y de Bubbly Flow (CFD). Esto ha sido necesario para incluir la producción de burbujas tras el ingreso de aire al medio acuoso. En Magnetic Fields se calcula la densidad de flujo magnético (B), a través del vector potencial magnético, y la Fuerza de Lorentz (FL). Esta última depende de la velocidad, calculada en Bubbly Flow. Por otro lado, en Bubble Flow se utiliza la Fuerza de Lorentz como una fuerza volumétrica que eventualmente puede afectar al campo de velocidad. Así, existe un acoplamiento entre ambas físicas. La geometría se ha hecho en 2D axis simétrico para estudiar la multifísica. Por el eje de simetría se encuentra la varilla por donde entra aire y produce burbujas (ver Figura 1). Por esto, la velocidad del fluido es mayor en aquella zona. Por otro lado, la fuerza volumétrica tiene mayor intensidad cuanto mayor se está cerca del imán permanente (cuadrado a la derecha). Ver figura 2.
Figura 2: Magnitud de la velocidad del fluido y fuerza volumétrica debido a la presencia de un imán permanente.
En general, cuando en un sistema los fluidos están acoplados con campos magnéticos, éste se describe en términos de la magnetohidrodinámica. Es necesario destacar que en la versión 6.1 de COMSOL existe un acoplamiento predefinido entre las interfaces de Magnetic and Electric Fields (mef) y Laminar Flow (spf). Este caso de estudio se expuso durante el Webinar sobre novedades en COMSOL Multiphysics 6.1 (ver [3]).
Referencias
[1] Appl. Sci. 2020, 10(2), 531; https://doi.org/10.3390/app10020531
[2] Mar. Drugs 2021, 19(9), 527; https://doi.org/10.3390/md19090527
[3] https://www.addlink.es/eventos/comsol/webinar-novedades-en-comsol-multiphysics-6-1
- Detalles
- Categoría: Twinn Witness
- Visto: 8148
La simulación predictiva es la ciencia de crear modelos precisos para representar el comportamiento de procesos de la vida real
Los negocios de hoy en día se enfrentan a dificultades crecientes que implican decisiones complejas. Los mercados están cambiando constantemente, la competencia es feroz y los clientes demandan nuevas experiencias innovadoras y niveles de servicio altamente consistentes. La simulación predictiva simplifica esta complejidad. Un modelo simulado de nuestro negocio genera datos del estado futuro potentes y ayuda a demistificar muchos de los procesos analíticos proporcionando una rica visualización interactiva de la información.
La simulación predictiva ayuda tanto a analistas como a los responsables de tomar decisiones a comprender sus procesos de negocio, los datos y cómo éstos se afectan entre sí.
Cuándo utilizar simulación predictiva
Los procesos que involucran alta conectividad, variabilidad, alteraciones y complejidad son ideales para la simulación. Otras técnicas para medidr procesos, como una hoja de cálculo Excel y Mapas de flujo de valor, a menudo tratan estos factores como medias estáticas, con implicaciones críticas para la capacidad de decisión. A medida que las empresas se hacen cada vez más complejas digitalmente y conectadas, estsa implicaciones pueden suponer un punto de inversión. Las simulaciones predictivas permiten verificaciones virtuales "qué pasaría si", donde las verificaciones en la vida real serían inviables, caras y peligrosas.
Nueva información sobre datos y procesos
Los defensores del "big data" afirman que todos los datos deben de ser valiosos. La realidad es que la mayoría de las compañías o no saben qué hacer con sus datos o qué preguntas tienen que hacerles. Un modelo de simulación de los procesos plantea cuestiones clave de gestión de procesos para garantizar que las partes interesadas comprenden la naturaleza dinámica e interconectada de su negocio. Esto da como resultado nuevos conocimientos en cómo se ejecutan los procesos, cómo se están aplicando las políticas y resaltan las áreas de datos particularmente valiosos pero inexistentes.
Análisis predictivo
Una vez que se crea un modelo de simulación predictivo del proceso comercial, las empresas pueden realizar preguntas "¿qué pasaría si?" del modelo y probar escenarios. Esto permite comprender el impacto futuro y la consecuencia de cada escenario, sin incurrir en ningún riesgo o coste. Esta previsión brinda una poderosa claridad de decisión en áreas como inversiones de capital, planificación de recursos y diseño de procesos, o incluso políticas de servicio. La simulación predictiva conduce a decisiones comerciales más inteligentes e impulsa un mayor retorno de las inversiones.
Los fundamentos de la simulación predictiva
Existen diferentes tipos de modelado de simulación. Lanner está especializada en las técnicas de simulación de eventos discretos pero también ofrece un abanico de otras métodos de simulación. La simulación de eventos discretos (Discrete Event Simulation o DES, en inglés) funciona modelando eventos individuales que ocurren utilizando un motor basado en el tiempo, teniendo en cuenta recursos, restricciones, e interacción con otros eventos. El modelo puede reflejar la reglas del proceso, aleatoriedad y variabilidad que afecten al comportamiento de sistemas reales y entornos de explotación complejos. Al crear un espejo de los procesos se puede experimentar con diferentes escenarios "qué pasaría si" sin el riesgo o gasto que supondría alterar los procesos reales.
Introducción a la simulación predictiva
El software insignia de Lanner, WITNESS Horizon, permite a los modeladores profesionales desarrollar rápidamente modelos de simulación predictivos, ricos en funciones que brindan una visión incomparable de los procesos a través de la visualización dinámica de datos y la libertad de probar opciones en un entorno virtual sin riesgos.
- Detalles
- Categoría: MapleSim
- Visto: 5486
Maplesoft dispone de herramientas especializadas en el modelado, simulación y optimización de sistemas multidominio complejos para vehículos eléctricos e híbridos-eléctricos.
Diseño de VE y HEV
Los vehículos eléctricos e híbridos eléctricos de nueva generación presentan desafíos importantes para los ingenieros de automoción. Con Maplesoft Engineering Solutions, los complejos sistemas multidominio involucrados en los vehículos eléctricos e híbridos eléctricos se modelan en un solo entorno, por lo que el diseño y la optimización se pueden realizar a nivel del sistema. Puede desarrollar modelos multidisciplinarios para exponer las interacciones complejas subyacentes entre sistemas, determinar el tamaño de los componentes, lograr una mayor eficiencia de combustible y validar con pruebas de hardware en el circuito. Las soluciones de ingeniería de Maplesoft le brindan la experiencia y las herramientas que necesita para reducir el riesgo de desarrollo y llevar productos de alta calidad al mercado más rápido.
Modelado de baterías para vehículos eléctricos
Solicítenos el artículo que más le interese relacionado con vehículos eléctricos e híbridos-eléctricos
|
|
|
|
|
|
|
|
|
|
- Detalles
- Categoría: Comsol
- Visto: 5158
Ya está disponible en la zona "Learning Center" de COMSOL el nuevo curso "Modeling Nonequilibrium Plasma".
El curso consta de 6 partes. En este momento las partes disponibles son:
- Introduction to Nonequilibrium Discharges and Plasma Modeling
- Using the Plasma Interface
- Debugging Plasma Models and Using the Plasma, Time Periodic Interface
- Modeling Inductively Coupled Plasma and Microwave Plasma
- Understanding the Electron Energy Distribution Function and Boltzmann Equation, Two-Term Approximation
- Modeling Plasma with CFD and Heat Transfer
El curso proporciona una extensa introducción al modelado de plasma de no equilibrio o plasma frío y está pensado para usuarios familiarizados con el software COMSOL Multiphysics. Cada parte contiene un vídeo, que se ha grabado a partir de unas formaciones previas, realizadas por Annette Pahl, con detalladas descripciones textuales suplementarias de lo que se va mostrando y discutiendo en cada vídeo.
Este curso había sido muy solicitado desde el departamento de compras y será de gran utilidad ya que proporciona instrucciones significativas sobre un tema para los que se la formación se ha realizado menos frecuentemente.
Puede accederse a este curso bajo la Base de Conocimiento de COMSOL o a través del enlace inferior.