- Detalles
- Categoría: MapleSim
- Visto: 6187
Con las complejas interconexiones entre los componentes mecánicos y eléctricos y las dificultades inherentes a los problemas de modelado multicuerpo, se requiere experiencia, habilidad y las herramientas adecuadas para llevar a cabo sus proyectos de robótica y mecatrónica a tiempo y dentro del presupuesto. Maplesoft puede ayudar. 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.
Soporte de soluciones de ingeniería de Maplesoft:
Validación a nivel de sistema de diseños de robótica y mecatrónica
 |
Mediante el uso de modelado y simulación a nivel de sistema de alta fidelidad, las soluciones de ingeniería de Maplesoft lo ayudan a determinar cómo se comportará su diseño utilizando un prototipo "virtual" de su sistema. De esta forma, es posible validar su diseño contra las especificaciones y corregir cualquier falla mucho antes de invertir en un prototipo físico, ahorrando mucho tiempo y dinero. Maplesoft Engineering Solutions también puede ayudar a investigar formas de mejorar aún más su diseño. Debido a que nuestros productos brindan acceso a las ecuaciones subyacentes que representan el comportamiento físico de su diseño, pueden usarse para desarrollar herramientas de análisis paramétrico personalizadas incluso para sistemas complejos de múltiples dominios. Estas herramientas brindarán a sus ingenieros información importante sobre el efecto de los cambios de parámetros en el sistema general, lo que les permitirá optimizar su diseño. Además, puede aprovechar los barridos de parámetros automatizados, el análisis de Monte Carlo, los estudios de sensibilidad, el diseño de experimentos y la optimización multiobjetivo, para que pueda mejorar sus productos y sentirse seguro en sus elecciones de diseño. |
Flexibilidad y control de modelos sin igual a través de la revolucionaria tecnología multicuerpo
 |
Los prototipos a nivel de sistema ahorran tiempo y dinero porque con frecuencia surgen problemas de las interacciones de los subsistemas, incluso cuando cada subsistema cumple con sus propios requisitos de diseño. Al utilizar Maplesoft Engineering Solutions, puede crear prototipos virtuales multidominio a nivel de sistema para abordar este tipo de problemas de diseño mucho antes de invertir en costosos prototipos físicos e incluso realizar mejoras en el diseño general. El uso de este enfoque le permite reducir el riesgo de desarrollo, crear mejores productos y llegar al mercado más rápido. |
Código de modelo optimizado para simulaciones en el ciclo
 |
Ya sea que se esté trabajando en aplicaciones de hardware, software o operador en el ciclo, es fundamental que los modelos del sistema se ejecuten en una plataforma en tiempo real dentro del paso de tiempo de simulación. La formulación de modelos simbólicos y las técnicas de generación de código optimizadas disponibles con Maplesoft Engineering Solutions garantizan el tiempo de ejecución más rápido posible para el modelo. Sin embargo, con sistemas grandes, incluso el tiempo más rápido posible puede no ser lo suficientemente rápido. Cuando eso sucede, la amplia experiencia de Maplesoft en técnicas rigurosas de reducción de modelos y optimización de código, maximizan la fidelidad dentro de las limitaciones de trabajar en una plataforma en tiempo real. |
Herramientas de cálculo de análisis y diseño
Muchos proyectos requieren la creación de herramientas especializadas de análisis y cálculo para respaldar la toma de decisiones informadas, como herramientas para el análisis y la atenuación de vibraciones, el análisis térmico y el dimensionamiento de componentes, entre muchas otras. Las soluciones de ingeniería de Maplesoft permiten el desarrollo de poderosas herramientas analíticas para brindarle a su equipo las respuestas que necesitarán en los años venideros. Según sus necesidades, estas herramientas pueden ser aplicaciones especializadas destinadas a ser utilizadas por expertos o soluciones llave en mano fáciles de usar adecuadas para una implementación más amplia en toda su organización.
Soluciones analíticas a problemas de cinemática inversa y dinámica inversa
En mecánica multicuerpo, el análisis del movimiento de una plataforma (el problema de la cinemática) se puede clasificar en dos casos: el problema de la cinemática directa y el problema de la cinemática inversa. En general, es bastante sencillo resolver el problema de cinemática directa tanto numérica como simbólicamente.
Por el contrario, resolver el problema de la cinemática inversa es más complejo. Debido a la complejidad involucrada, el problema de cinemática inversa a menudo se resuelve numéricamente a través de iteraciones y es computacionalmente costoso. Sin embargo, con un enfoque numérico, a menudo se pierde información sobre el movimiento del mecanismo. En este artículo, describiremos cómo obtener una solución simbólica al problema de cinemática inversa para un manipulador de enlaces paralelos de Stewart-Gough usando herramientas disponibles en MapleSim.
|
En todo el mundo, los clientes en una amplia gama de industrias y disciplinas técnicas están utilizando las soluciones de Maplesoft para acelerar rápidamente sus proyectos de diseño, mientras desarrollan la próxima generación de productos que dan forma a la cara cambiante de la robótica:
Estas y muchas otras historias están disponibles en esta colección. ¡Solicítenosla! |
 |
- Detalles
- Categoría: Comsol
- Visto: 7336
Cuando se trabaja con una interfaz física en COMSOL, en la parte de ajustes, existe una sección de Discretización. Allí se puede escoger el orden de elemento que se está utilizando. Esta ocasión abordaremos el tema del orden de los elementos y la discretización para una simulación. Esta elección es importante porque tiene efectos en la malla y la solución del modelo.
¿Qué significan el orden y la discretización de los elementos?
La mayoría de las interfaces de física dentro de COMSOL Multiphysics utilizan el método de elementos finitos para resolver las ecuaciones diferenciales parciales subyacentes. El método de elementos finitos funciona discretizando los dominios de modelado en dominios más pequeños y simples llamados elementos. La solución se calcula ensamblando y resolviendo un conjunto de ecuaciones sobre todos los elementos del modelo. La solución de estas ecuaciones se aproxima a la solución real de la ecuación diferencial parcial.
Las ecuaciones dentro de cada elemento también se conocen como funciones de forma y pueden ser de distinto orden. Por ejemplo, en el caso más simple de un modelo de elementos finitos unidimensional, las funciones de forma dentro de cada elemento son simplemente un conjunto de polinomios definidos sobre el dominio. En la imagen siguiente se representa el conjunto de funciones de forma lineales (primer orden), cuadráticas (segundo orden) y cúbicas (tercer orden). La solución dentro de los elementos se basa en una suma lineal de estas funciones de forma. Ver Fig. 1.
Fig. 1. Gráficos de funciones de forma lineal (izquierda), cuadrática (centro) y cúbica (derecha) en un elemento unidimensional (imagen obtenida del Blog de COMSOL [1]).
Un modelo que contiene varias interfaces físicas puede utilizar diferentes conjuntos de funciones de forma. Es decir, cada interfaz de física tiene sus propios ajustes de discretización únicos que gobiernan qué funciones de forma de orden se utilizan para esas variables dependientes, como se muestra en la captura de pantalla del ejemplo a continuación para la interfaz de física de Corrientes Eléctricas y Heat Transfer in Solids (Fig. 2).
 |
 |
|
Fig. 2. Funciones de forma utilizadas en el desplegable de discretización en la interfaz de Electric Currents (izquierda) y en la interfaz de Heat Transfer in Solids (derecha). En ambos casos se trata del modelo Busbar de la librería de aplicaciones. Ver [2]. |
|
La discretización por defecto en muchos casos es de segundo orden (cuadrática), y esto se debe en parte a que muchas de las ecuaciones diferenciales parciales tienen un término de segunda derivada dominante. Los problemas de flujo y transporte de fluidos suelen utilizar por defecto una discretización lineal de primer orden. Basado en la situación particular de modelado, cambiar la discretización puede estar motivado, y es posible cambiar la discretización para cada interfaz física diferente independientemente, pero hacerlo tiene varias consecuencias. Disminuir la discretización sin cambiar el número de elementos conducirá a un modelo que requiere menos recursos computacionales, pero tendrá menor precisión. Aumentar la discretización sin cambiar el número de elementos conducirá a una solución más precisa, pero requerirá mayores recursos computacionales. Se debe tener en cuenta que el aumento del orden de los elementos es un enfoque para validar el modelo, pero que es probable que desee estudiar el refinamiento de la malla mediante la realización de un estudio de refinamiento de malla.
Efecto en la malla
Al modelar en 2D, axis simétrico 2D o 3D, los ajustes de discretización dentro de la física también afectan a los elementos de malla. Los elementos de malla en 2D y 3D sirven además para aproximar la geometría CAD real, y lo hacen aproximando la forma de los contornos del modelo mediante un conjunto de funciones de forma geométrica que tienen el mismo orden que el orden de discretización más bajo utilizado en cualquiera de las interfaces de física habilitadas dentro del modelo.
Lo anterior se puede visualizar considerando un dominio semicircular, discretizado con la malla más simple posible consistiendo en un único elemento triangular. Los lados rectos del dominio de modelado se representan con precisión sin importar las funciones de forma, pero el contorno curvo sólo puede representarse aproximadamente mediante las funciones de forma geométrica. Con una función de forma lineal, esta aproximación se reduce a un elemento triangular que representa bastante mal el dominio de modelización. Las funciones de forma cuadrática y cúbica ofrecen una representación mucho mejor de la geometría subyacente. Una consecuencia de esto es que, cuando se utilizan funciones de forma de geometría lineal, generalmente se necesita una malla mucho más fina en los límites curvos sólo para obtener una representación precisa de la geometría CAD subyacente.
De acuerdo con el Blog de COMSOL [3], una buena regla general, cuando se utilizan funciones de forma de geometría lineal, se necesitan al menos 8 elementos por arco de 90° para resolver el límite con menos del 1% de error. Por otro lado, con funciones de forma cuadráticas y de orden superior, incluso dos elementos por arco de 90° son suficientes para representar la geometría CAD con un error significativamente inferior al 1%. Estas reglas empíricas son sólo puntos de partida sobre cómo crear una malla inicial; siempre es necesario un estudio de refinamiento de la malla [3]. Notar que, al construir y visualizar la malla, los elementos aparecerán siempre con lados rectos, aunque las funciones de forma subyacentes sean de orden superior. Sólo cuando se trazan los resultados, los límites de los elementos se trazarán de forma que muestren la función de forma subyacente (ver Fig. 3)
 |
|
|
Fig. 3. Se malla un dominio semicircular utilizando una función de forma lineal de Lagrange (izquierda) y Lagrange cúbica (derecha). Se observa la diferencia en la representación de la frontera curva. |
|
Más información sobre la inspección de los elementos de malla se puede ver en [4].
Referencias
[1] https://www.comsol.com/support/learning-center/article/Understanding-and-Changing- the-Element-Order-64391
[2] https://www.comsol.com/model/electrical-heating-in-a-busbar-10206
[3] https://www.comsol.com/support/knowledgebase/1261
[4] https://www.comsol.com/blogs/how-to-inspect-your-mesh-in-comsol-multiphysics/
- Detalles
- Categoría: Minitab
- Visto: 12040
Por Stacey McDaniel
Aunque a menudo viajan en los mismos círculos, la mejora continua y la calidad no son lo mismo. Si bien la mejora continua y la calidad están relacionadas, tienen objetivos diferentes. Profundicemos y analicemos esas diferencias con respecto a la fabricación y las herramientas que se utilizan para lograr ambas.
- La calidad de fabricación se refiere al nivel de excelencia en el proceso de producción y el producto final, asegurando que cumple o supera las especificaciones deseadas. La calidad se puede definir de varias maneras, como confiabilidad, durabilidad, rendimiento, seguridad y facilidad de uso.
- La mejora continua identifica áreas de mejora, analiza las causas raíz e implementa cambios para eliminar desperdicios, reducir costes y aumentar la productividad.
Si bien ambas son componentes esenciales de una fabricación exitosa, la garantía de calidad garantiza que el producto final cumpla con el estándar deseado, mientras que la mejora continua se enfoca en hacer que el proceso de producción sea más eficiente y efectivo, lo que lleva al éxito y la sostenibilidad a largo plazo. Existen diferencias similares en la calidad del diseño y la mejora continua en la oficina, no solo en la fabricación específicamente. En resumen, la calidad de fabricación es un resultado, mientras que la mejora continua es un proceso continuo.
Donde mejora continua y calidad se superponen
La mejora continua es un factor clave de la calidad. Al esforzarse constantemente por mejorar los procesos, productos y servicios, las organizaciones crean resultados de mayor calidad. Alternativamente, la calidad es un objetivo clave de la mejora continua. Al implementar procesos de mejora continua, las organizaciones pueden mejorar la calidad al identificar y abordar los problemas antes de que se conviertan en problemas mayores.
DIFERENTES METODOLOGÍAS UTILIZADAS
Se utilizan diferentes metodologías para la calidad y la mejora continua, pero también hay cierta superposición, como se verá:
- Para asegurar la calidad, se utilizan comúnmente metodologías como Six Sigma, Gestión de calidad total (TQM), Control estadístico de procesos (SPC) y Lean Manufacturing. Estas metodologías se enfocan en identificar y eliminar defectos, reducir la variabilidad y mejorar la estabilidad del proceso para lograr resultados de producción consistentes y de alta calidad.
- Las metodologías de mejora continua como Kaizen y Lean Manufacturing se enfocan en optimizar el proceso de producción para eliminar desperdicios, reducir los tiempos de ciclo y mejorar la eficiencia. Estas metodologías se basan en un enfoque de resolución de problemas que implica identificar oportunidades de mejora, probar soluciones potenciales e implementar cambios en un circuito de retroalimentación continuo.
Tanto las metodologías de garantía de calidad como las de mejora continua están diseñadas para mejorar los procesos de fabricación y mejorar la calidad del producto. Sin embargo, las técnicas y herramientas específicas utilizadas pueden diferir según las metas y objetivos específicos de cada enfoque.
EN QUÉ SE DIFERENCIAN LAS HERRAMIENTAS
Las herramientas de calidad y las herramientas de mejora continua son esenciales para diferentes aspectos de la investigación para mejorar los procesos y la calidad.
- Las herramientas de calidad se utilizan para garantizar que los resultados de la investigación sean precisos, fiables y válidos. Pueden ayudar a identificar posibles fuentes de sesgo, medir la coherencia de la recopilación de datos y evaluar la precisión de los análisis estadísticos. Los ejemplos de herramientas de calidad utilizadas en la investigación incluyen gráficos de control, gráficos de Pareto, diagramas de Ishikawa y control estadístico de procesos.
- Se utilizan herramientas de mejora continua para optimizar el proceso de investigación, haciéndolo más eficiente y eficaz. Pueden ayudar a identificar áreas de desperdicio, reducir los tiempos de ciclo y mejorar la productividad. Los ejemplos de herramientas de mejora continua utilizadas en la investigación incluyen Kaizen, Lean Manufacturing y el ciclo Plan-Do-Check-Act (PDCA).
Tanto las herramientas de calidad como las de mejora continua son necesarias para asegurar la calidad de la investigación y mejorar el proceso de investigación. Las herramientas de calidad ayudan a garantizar la precisión y validez de los resultados de la investigación, mientras que las herramientas de mejora continua ayudan a optimizar el proceso de investigación para lograr mejores resultados con menos tiempo y esfuerzo. Por lo tanto, los investigadores deben usar ambos tipos de herramientas para lograr resultados de investigación de alta calidad.
Como puede ver, la mejora continua y la calidad son muy diferentes, y no puede tenerse una sin la otra. Si desea ver cómo Minitab puede ayudar en sus iniciativas de calidad o mejora continua, ¡comuníquese con nosotros!
- Detalles
- Categoría: Lakes
- Visto: 4936
CALRoads View hace que sea muy fácil introducir enlaces a un proyecto de modelado utilizando una de las series de modelos CALINE (CALINE, CAL3QHC, CAL3QHCR). Si bien es común representar enlaces gráficamente, CALRoads también permite a los modeladores importar enlaces usando una plantilla de hoja de cálculo de Excel. Esto es útil para los modeladores que tienen todas sus entradas definidas o aquellos que tienen muchos datos para incluir. La hoja de cálculo plantilla se encuentra en la carpeta C:\Lakes\CALRoads View\Templates.
Una funcionalidad nueva es la capacidad de importar enlaces de grupo (G-Links). La columna T de la hoja de cálculo presenta una columna Group.
Para definir enlaces de grupo, especifique Group ID para varios enlaces. Utilice el mismo ID de grupo en todos los enlaces del grupo. Se pueden importar varios enlaces de grupo mediante el uso de un ID de grupo único para cada enlace de grupo.
- Detalles
- Categoría: Comsol
- Visto: 2941
El plazo de entrega anticipada de resúmenes en la conferencia COMSOL Conference 2023, que supone un gran descuento en el registro a la conferencia está próximo a su fin.
Envíe su resumen antes del viernes, 9 de junio y tanto Vd. como los coautores del trabajo podrán optar a un precio de registro reducido (ahorro de 150€).
¡No pierda esta oportunidad para mostrar sus investigaciones e ideas a una audiencia global de expertos en simulación e ingenieros!
Para obtener las guías, plantillas y entregar su resumen, visite la web de la conferencia
- Detalles
- Categoría: Minitab
- Visto: 5902
Por Andrea Grgic
Piense en su última visita al médico. ¿Fue amable el personal del hospital? ¿La sala de espera era cómoda? ¿Cuánto tiempo esperó a que el médico lo viera? ¿Su enfermera mostró empatía durante su visita? Todos estos factores contribuyen a la experiencia general del paciente, uno de los aspectos más importantes de la atención médica.
En este artículo del blog de Minitab, cubrimos la importancia de la satisfacción y la experiencia del paciente, junto con las formas en que el análisis predictivo y las herramientas de mejora continua pueden ayudar a los proveedores de atención médica a mejorar la satisfacción general del paciente.
SATISFACCIÓN DEL PACIENTE VERSUS EXPERIENCIA DEL PACIENTE: ¿CUÁL ES LA DIFERENCIA?
La satisfacción del paciente se refiere a si se cumplieron las expectativas de un paciente durante su visita con un proveedor de atención médica. Es uno de los indicadores clave para que los proveedores y hospitales evalúen dónde mejorar como organización y está directamente relacionado con el éxito general. Por estas razones, es una prioridad principal en todas las organizaciones de atención médica.
La experiencia del paciente se centra en mejorar la satisfacción del paciente y los resultados, reducir el tiempo de tratamiento y mejorar la coordinación de la atención al paciente. Según la "2023 Gartner CIO and Technology Executive Survey", la excelencia operativa y la experiencia del paciente son los objetivos principales de las inversiones digitales para los proveedores de atención médica.
LLUVIA DE IDEAS SOBRE LOS CONTRIBUIDORRES A LA SATISFACCIÓN DEL PACIENTE
Al pensar en la experiencia general del paciente, es importante tener en cuenta los factores que afectan a los pacientes. Una manera fácil de comenzar es hacer una lluvia de ideas con el personal administrativo y clínico y "trazar" estos factores con un mapa mental.
Un mapa mental ayuda a organizar visualmente ideas y conceptos relacionados, para que se pueda comprender mejor el concepto central y las posibles soluciones.
En el ejemplo anterior, utilizamos Minitab Engage para crear un mapa mental que ayude a comprender los factores en los que uno quiere enfocarse para mejorar la satisfacción del paciente. Ahora que se dispone de los factores mapeados, se determina cómo abordar la satisfacción del paciente.
Una de las formas más efectivas y rentables para que los proveedores de atención médica midan la satisfacción del paciente es enviar una encuesta.
ENCUESTA DE SATISFACCIÓN DEL PACIENTE: UNA MIRADA MÁS CERCANA
Los resultados de la encuesta de satisfacción del paciente brindan una comprensión más profunda de por qué los pacientes pueden o no estar satisfechos con su servicio. Repasemos un ejemplo.
Al observar el conjunto de datos de pacientes de muestra, se puede ver que se les pidió a los pacientes que calificaran su satisfacción general con un proveedor de atención médica. También se les pidió que calificaran otros factores importantes de su atención, como la empatía de la enfermera y el médico, la apariencia de la habitación, las citas a tiempo y las comodidades, que revisaremos más adelante en este artículo.
Los resultados de esta encuesta de muestra muestran que el 55% de los pacientes estaban satisfechos con su experiencia, lo que nos dice que, en general, la mayoría de los pacientes están satisfechos con la experiencia de su proveedor de atención médica.
SATISFACCIÓN DEL PACIENTE: UN ENFOQUE PREDICTIVO
Es un buen comienzo saber que, en general, los pacientes están satisfechos con los servicios de este proveedor de atención médica. Ahora se profundiza en por qué estos pacientes están satisfechos y cómo se compara su experiencia con un paciente insatisfecho o neutral.
Al aprovechar el módulo de analítica predictiva de Minitab Statistical Software, el proveedor de atención médica puede identificar fácilmente los impulsores clave de la satisfacción del paciente. Para nuestro ejemplo, se utiliza CART®.
CART®, o árboles de clasificación y regresión, es un algoritmo de árbol de decisiones que se utiliza para encontrar patrones y relaciones importantes en variables de datos. Si la pregunta o el desafío al que uno se enfrenta tiene una respuesta categórica binomial o multinomial, utilice Clasificació CART, mientras que cualquier cosa que tenga una respuesta continua con muchos predictores categóricos o continuos debe usar CART Regression.
En la encuesta de muestra, se clasifica a los clientes en dos grupos, ya sea que estén satisfechos o no con este proveedor de atención médica, por lo que se utiliza la clasificación CART. Minitab Statistical Software encuentra automáticamente el mejor árbol de decisiones y proporciona estadísticas del modelo, para que se pueda comprender si el modelo es útil para el análisis.
Como puede verse a continuación, la empatía de la enfermera y mantener informado al paciente son las variables más importantes al predecir la satisfacción del paciente, seguidas por la empatía del médico y el resultado del procedimiento., que también se clasificó como muy importante.
USO DE DIAGRAMAS DE ÁRBOL PARA COMPRENDER LOS DATOS DEL PACIENTE
Para empezar, nos gustaría mencionar que la empatía de las enfermeras se mide en una escala de 5 puntos, donde 5 indica una evaluación muy positiva. Al observar el árbol con mayor detalle, podemos ver que cuando la empatía de la enfermera se calificó con más de 3,5, aproximadamente el 82% de los pacientes calificaron su experiencia como satisfecha. También podemos ver que cuando los pacientes calificaron la empatía de su enfermera con menos de 3,5, estaban más satisfechos si el proveedor les informaba mejor, pero mucho menos satisfechos si no les informaban.
Al mirar el árbol de arriba, los proveedores de atención médica pueden ver que los pacientes quieren una enfermera empática y esperan estar informados durante su visita, pero saber que incluso si su enfermera no muestra empatía, pueden mantener felices a los pacientes manteniéndolos informados, lo que es una idea importante.
CONCLUSIÓN
La satisfacción del paciente es solo una parte de la experiencia general del paciente. Los conocimientos basados en datos del análisis predictivo, junto con las herramientas de lluvia de ideas, pueden ayudar a los proveedores de atención médica a lograr una atención óptima al paciente.
- Detalles
- Categoría: MapleSim
- Visto: 5176
Si una empresa buscando exprimir más la potencia de un vehículo eléctrico o espera mejorar la vida útil de la batería de los dispositivos de uso cotidiano, un diseño energéticamente eficiente de los sistemas de alimentación de baterías es cada vez más necesario y los modelos de baterías ahora son una herramienta indispensable para optimizar estos sistemas.
Los sistemas de baterías tienen un impacto global en el tiempo de actividad, la vida útil, la estabilidad térmica y la seguridad del sistema global, lo que hace que el rendimiento de la batería sea un aspecto crucial del diseño de un sistema. Los modelos de baterías de alta fidelidad, como los que se encuentran en la MapleSim Battery Library, pueden ayudar a proporcionar estimaciones precisas del comportamiento real de la batería y las técnicas basadas en modelos pueden dar respuestas basadas en la física a preguntas importantes en el proceso de diseño. Con la MapleSim Battery Library, los sistemas alimentados por batería se pueden modelar mucho más rápido que con las técnicas tradicionales, al tiempo que conservan la precisión para obtener resultados significativos.
Este artículo destaca tres historias de la industria que van desde aplicaciones de alto rendimiento hasta aplicaciones de alta eficiencia. Cada historia ayuda a describir las formas en que los modelos de batería y un enfoque de modelado a nivel de sistema brindan a las empresas la capacidad de tomar mejores decisiones durante su proceso de diseño.