Detalles

Categoría: Minitab

Publicado: 20 Abril 2023

Visto: 4812

Por Stacey McDaniel.

La nube está en todas partes y su alcance se está expandiendo. De hecho, Gartner pronostica que el gasto de los usuarios finales de la nube pública en todo el mundo alcanzará casi 600 mil millones de dólares en 2023. En el mismo informe, Gartner informa que se proyecta que el gasto general en TI crezca un 5,1% este año con la mayoría de las nuevas inversiones destinadas a la tecnología de la nube. Es un momento emocionante y perfecto para adoptar la nube por todos sus beneficios; agilidad y colaboración mejoradas, un impulso útil con grandes innovaciones, tiempo de amortización acelerado y mucho más. ¿Sabe que también puede trasladar sus iniciativas de calidad a la nube?

Si su organización está experimentando una transformación digital, no deje de migrar sus programas de calidad a la nube. Dará como resultado ahorros de tiempo, reducción de desperdicios e ingresos generales. Colóquese en una trayectoria de crecimiento y considere la nube también para la calidad.

Las iniciativas de calidad en la nube se alimentan de la polinización cruzada de información y conocimientos y son accesibles para los empleados en cualquier lugar y en cualquier momento. La capacidad de centralizar datos de calidad facilita la mejora de las operaciones y los informes utilizando recursos de TI mínimos sin necesidad de un centro de datos y sabiendo que las últimas actualizaciones e innovaciones de software se implementarán automáticamente. Minitab tiene herramientas potentes y fáciles de utilizar que le permitirán llevar sus programas de calidad a la nube y garantizar que todos en la organización tengan visibilidad de las iniciativas que se llevan a cabo.

OPORTUNIDADES DE CALIDAD EN TODA LA ORGANIZACIÓN

Minitab ofrece una amplia gama de herramientas de calidad para profesionales. Exploremos las herramientas de mejora de la calidad que están fácilmente disponibles en las soluciones de Minitab que están diseñadas para ayudarle a profundizar y abordar los cuatro factores del marco a continuación:

RESOLUCIÓN DE PROBLEMAS CON ENGAGE

Minitab Engage fomenta un programa de calidad colaborativo y está diseñado para ayudar a las organizaciones a crear programas de mejora e innovación en la nube. Las herramientas de resolución de problemas y las metodologías de gestión de proyectos realizarán un seguimiento de las métricas clave de rendimiento en tiempo real para demostrar el ROI. Aquí hay unos ejemplos:

Las espinas de pescado, o diagramas de causa y efecto, ayudan a generar una lluvia de ideas sobre las posibles causas de un problema y a ver las relaciones entre las posibles causas para evitar problemas y garantizar resultados de calidad. En un diagrama de espina de pescado, el problema o efecto central está en el extremo derecho. Las afinidades, que son categorías de causas, se ramifican desde la columna vertebral del efecto central.

Una espina de pesacdo responde a las siguientes preguntas.

• ¿Cuáles son las posibles causas de un tipo particular de defecto?
• ¿Cuáles son las entradas del proceso que contribuyen a la variación en la salida del proceso?

Un mapa de proceso, a veces llamado diagrama de flujo, se puede utilizar para ayudar a modelar el proceso y comprender y comunicar todas las actividades del proceso, las relaciones entre las entradas y salidas del proceso y los puntos de decisión clave. Engage facilita la construcción de diagramas de flujo detallados o de alto nivel, y también hay una funcionalidad para asignar variables a cada forma y luego compartirlas con otras herramientas que esté usando en Engage.

KYOCERA AVX, un cliente de Minitab, trasladó sus plantillas de calidad de Excel a Minitab Engage. Al hacerlo, aumentó la visibilidad de los proyectos de calidad global que se llevan a cabo en sus diversas plantas. Dado que todos en la empresa trabajaban con plantillas estandarizadas, hubo una mejor colaboración e intercambio de información. Engage también ofrece plantillas para 5S, A3, planes de control, los 5 porqués, FMEA y más.

HERRAMIENTAS DE CALIDAD EN MINITAB STATISTICAL SOFTWARE

Eche un vistazo a todas las herramientas y características de calidad incluidas con Minitab Statistical Software. Desde gráficos de control hasta análisis de capacidad, encontrará una herramienta para respaldar su programa de calidad.

Estos son solo algunos de los análisis que pueden contribuir en gran medida a mejorar la calidad.

• Gage R&R puede certificar que la salida tiene el mismo valor que la entrada para garantizar que una empresa esté tomando las decisiones de calidad correctas.
• Los diagramas de Pareto ayudan a descubrir qué falla más y el muestreo de aceptación ayuda a determinar cuántas piezas de producto deben someterse a pruebas de calidad antes de aceptar el producto del proveedor.
• Los gráficos de control también son muy útiles para verificar que los procesos sean estables y, en última instancia, reducir el desperdicio.
• Los análisis de capacidad pueden demostrar la calidad en los procesos que se utilizan.
• Y si alguna vez tiene dudas sobre qué análisis usar, Graph Builder visualiza datos y explora alternativas de gráficos. En función de la entrada, Graph Builder muestra una vista previa de los candidatos de gráficos disponibles.

Al igual que con Engage, Minitab Statistical Software se ejecuta en la nube, por lo que es fácil acceder a él en cualquier momento y en cualquier lugar y compartirlo para facilitar la colaboración. Puede pensarlo de esta manera, usar Engage informa qué datos recopilar y Minitab analiza esos datos para promover la calidad en toda la organización. Son un complemento perfecto entre sí y apoyarán sus iniciativas de calidad. ¡Le invitamos a conocer más!

Detalles

Categoría: Minitab

Publicado: 12 Abril 2023

Visto: 4685

Por Roberto Mastrangelo.

¿Está buscando reducir costes, aumentar la eficiencia de la producción y minimizar el impacto de su industria en el medio ambiente?

Todas las industrias, especialmente las que consumen mucha energía, como la siderurgia, el aluminio, el cemento y la petroquímica, se encuentran bajo una presión constante para enfrentar estos desafíos. Las presiones de la cadena de suministro, la sostenibilidad, los estrictos marcos normativos, las crecientes expectativas de los consumidores y la crisis energética mundial, que ha provocado una explosión en los precios de la energía, han puesto sus márgenes y rentabilidad bajo presión.

Con mucho en juego, las industrias necesitan enfoques sistemáticos y eficientes que puedan identificar rápidamente la configuración óptima del proceso, ahorrar tiempo, costes y recursos.

El método más común para solucionar problemas de calidad y desarrollar mejoras de procesos es el enfoque de un factor a la vez. Sin embargo, este método puede llevar mucho tiempo y ser costoso y, a menudo, produce resultados subóptimos. Además, puede ser difícil obtener información sobre cómo los diferentes factores pueden afectarse entre sí.

¿QUÉ ES DOE?

Existe una herramienta potente y estructurada que puede ayudar a superar estos desafíos: el Diseño de Experimentos (DOE). DOE es un enfoque estadístico que permite a los usuarios investigar la influencia de varias variables en los resultados de interés, lo que lo convierte en una herramienta eficaz para optimizar procesos y productos. Implica realizar una serie de experimentos en los que los factores de entrada se varían sistemáticamente y se miden las respuestas de salida resultantes.

BENEFICIOS DE USAR DOE

Hay muchos beneficios de usar DOE, que incluyen:

• Le permite identificar las variables de proceso más críticas que afectan el consumo y el rendimiento de energía. Al optimizar estas variables, puede reducir el consumo y el desperdicio de energía mientras mejora la eficiencia general del proceso de fabricación. Esto puede ayudarlo a mantener o incluso mejorar la productividad y la calidad mientras reduce su impacto ambiental.
• Otra ventaja de usar DOE es que puede ayudarlo a ahorrar tiempo y recursos en comparación con los métodos tradicionales de prueba y error. Al ejecutar un conjunto de experimentos que varían sistemáticamente los factores de entrada, puede identificar rápidamente la configuración óptima del proceso, ahorrándole tiempo y dinero. Esto se debe a que puede reducir la cantidad de pruebas necesarias, lo que a su vez puede ayudarlo a reducir los costos experimentales.
• DOE permite una comprensión más profunda del proceso de fabricación y sus mecanismos subyacentes. Al proporcionar un enfoque sistemático para explorar el impacto de múltiples variables de proceso en el resultado de interés, puede obtener información que quizás no sea posible con otros métodos. Esto puede conducir a más mejoras e innovaciones, ya que tiene una mejor comprensión de cómo funciona su proceso.

DOE CON MINITAB

Afortunadamente, el poderoso software de Minitab puede ayudarlo con su DOE:

• Minitab proporciona una variedad de técnicas DOE , como diseños de superficie de respuesta, factoriales y de detección para ayudarlo a crear sus experimentos y determinar la cantidad adecuada de ejecuciones y réplicas para que el experimento alcance el nivel de precisión deseado.
• Minitab también puede analizar los resultados de los experimentos e identificar los factores clave del proceso que tienen el mayor impacto en el consumo de energía, el rendimiento y otras respuestas.
• Puede determinar la configuración óptima para los factores clave del proceso utilizando técnicas de optimización como el análisis de deseabilidad y la optimización de respuesta.
• Minitab puede proporcionar alertas y análisis de datos en tiempo real para identificar y corregir cualquier desviación de la configuración óptima del proceso, lo que facilita la ejecución de experimentos de verificación que confirman si la solución óptima proporcionada por el DOE es válida o no.
• Finalmente, Minitab puede ayudar a las empresas a documentar los resultados de los experimentos y compartirlos con otras partes interesadas de manera efectiva.

Minitab Statistical Software puede ayudar a las empresas a reducir el consumo de energía y mejorar el rendimiento al proporcionar un enfoque eficiente para la optimización de procesos a través de DOE. Con sus capacidades analíticas avanzadas y democratización de datos, Minitab permite a las empresas aprovechar al máximo su fuerza laboral y lograr los resultados deseados con un consumo y desperdicio de energía mínimos.

Detalles

Categoría: Comsol

Publicado: 11 Abril 2023

Visto: 5856

El 11 de abril se cumplen 109 años del día en que Albert Einstein (1879-1955) reveló su Teoría de la Relatividad. Sus teorías llevaron a reinventar nuestra comprensión del mundo, convirtiéndose en un icono cultural y figura mundial. Einstein se convirtió en todo esto y más cuando sus teorías de la relatividad especial y general fueron reconocidas como grandes pilares de la física y de la cosmología. El ganador del Premio Nobel revolucionó las ideas aceptadas sobre el tiempo y el espacio para desarrollar sus teorías. Fue uno de los primeros en profundizar en el nuevo campo de la mecánica cuántica, trabajando sobre el efecto fotoeléctrico y la naturaleza de la luz.

La Relatividad y COMSOL Multiphysics

Lente gravitacional

COMSOL permite estudiar fenómenos donde la Teoría de la Relatividad entra en juego. Por ejemplo, el efecto de lente gravitacional [1] se modela usando un índice de refracción que varía continuamente en el espacio, lo cual se conoce como medio graduado. El índice de refracción, n, depende de la constante gravitacional G (unidad SI: m3/(kg·s2), la masa solar m0 (unidad SI: kg), la velocidad de luz c (unidad SI: m/s), y la distancia radial desde el centro del sol r (unidad SI: m), ver Ecuación 1, donde r=√(x²+y²+z²)

La constante gravitatoria es una constante física incorporada con el nombre G_const y con valor predefinido 6.67384×10-11[m³/(kg·s²)]. En este ejemplo, se liberan dos rayos, que rozan la superficie del sol y luego continúan hasta alcanzar una distancia de 150 millones de km. En este punto se evalúa el ángulo de desviación de los rayos desde su dirección inicial. Ver Figura 1.

Figura 1: Deformación desde el camino óptico inicial.

El cambio angular en la dirección de los rayos se representa en la Figura 2. Después de la liberación, los rayos necesitan alrededor de 165s para llegar al sol. Los rayos entonces comienzan a desviarse de su dirección inicial debido al gradiente en el índice de refracción. El valor final es de aproximadamente 1,75 segundos de arco, consistente con la predicción de Einstein.

Figura 2: Ángulo de desviación causado por el campo gravitatorio del sol.

Protones en el campo magnético terrestre

Otro gran ejemplo es cuando existen partículas cargadas en las cercanías de la Tierra y son afectadas por el Campo Magnético [2]. En efecto, la Tierra tiene un campo magnético sustancial que se extiende hacia afuera por miles de kilómetros. El campo magnético es generado posiblemente por corrientes circulantes dentro un núcleo líquido de metal girando. Este campo magnético se parece mucho a un campo dipolar; habiendo una inclinación entre el eje de giro de la Tierra y el eje del dipolo magnético.

Para modelar la trayectoria de las partículas, se usa una formulación newtoniana (Ecuación 2), y se aplica una corrección relativista a la masa de los protones estudiados (Ecuación 3). La intensidad de la densidad de flujo magnético y la trayectoria de los protones se ve en la Figura 3 (m_r se refiere a masa en reposo del protón).

Figura 3. Izquierda: Intensidad de la densidad de flujo magnética. Derecha: Trayectoria de las partículas.

Divergencia en un haz de electrones

Un ejemplo similar al anterior permite modelar la propagación de un haz de partículas cargadas a altas corrientes y con velocidades relativistas [3]. Así, la masa de la partícula es corregida mediante la ecuación 3, con la única diferencia que las partículas son ahora electrones. En este escenario, la carga espacial y la corriente del haz crean fuerzas eléctricas y magnéticas significativas que tienden a expandir y enfocar el haz, respectivamente. La interfaz de Charged Particle Tracing puede usar un procedimiento iterativo para calcular de manera eficiente las trayectorias de las partículas fuertemente acopladas y campos eléctricos y magnéticos para un haz operando a corriente constante. En este ejemplo se utilizan otras interfaces acopladas como Electrostatics y Magnetic Fields, ambas acopladas a Charge Particle Tracing. Las trayectorias de los electrones se visualizan en la Figura 4.

Figura 4: Trayectoria de los electrones.

Otros aportes y ejemplos

Einstein proporcionó la primera prueba científica de la existencia de los átomos con su teoría cuantitativa del movimiento browniano. Estudió colisiones atómicas en fluidos y demostró que se puede medir el tamaño de los átomos. Este fue un gran avance para el campo de la física atómica. El movimiento browniano sirve para modelar el transporte cuando es de naturaleza puramente difusiva. COMSOL permite hacer la comparación entre los resultados obtenidos utilizando Particle Tracing y Transport of Diluted Species. En la primera interfaz se añade un nodo para incluir la fuerza browniana. En la segunda interfaz se utiliza la ecuación de convección-difusión; sin embargo, deshabilitando la convección [4]. La comparación se puede ver en Figura 5.

Figura 5. Izquierda: Difusión de las partículas en un fluido usando Particle Tracing y demostrando el movimiento browniano. Derecha: Concentración después de 100 segundos usando of Diluted Species.

Referencias

[1] https://www.comsol.com/model/gravitational-lensing-18573
[2] https://www.comsol.com/model/motion-of-trapped-protons-in-earth-s-magnetic-field-19047
[3] https://www.comsol.com/model/relativistic-diverging-electron-beam-17065
[4] https://www.comsol.com/model/brownian-motion-12333

Detalles

Categoría: Minitab

Publicado: 04 Abril 2023

Visto: 5359

Por Oliver Francisco

Cuando se trata de tomar decisiones, es importante tener una comprensión clara de los posibles riesgos y recompensas. Mediante el uso de herramientas como la evaluación de riesgos y el modelado de probabilidad, las personas y las organizaciones pueden tomar decisiones más informadas y minimizar las posibilidades de resultados subóptimos. Esto a menudo conduce a mejores resultados y promueve una sensación de confianza y control en el proceso de toma de decisiones.

Los equipos de investigación y desarrollo suelen tomar decisiones costosas, por lo que es fundamental que mejoren sus procesos para aumentar la probabilidad de obtener resultados positivos. Sin embargo, las organizaciones complejas suelen utilizar sistemas que son demasiado complicados para optimizarlos manualmente, lo que hace que los recursos de optimización sean indispensables para el ancho de banda y el presupuesto.

Ahí es donde entra en juego la simulación Monte Carlo. La simulación Monte Carlo es una herramienta excepcional que puede marcar una gran diferencia cuando se trata de identificar con precisión el mejor resultado posible. Con Monte Carlo, puede probarse sin esfuerzo miles o más configuraciones potenciales, lo que permite tener en cuenta el riesgo en el análisis cuantitativo y procesos de toma de decisiones.

La versatilidad de la simulación de Monte Carlo también se extiende más allá, haciéndola inestimable en el campo de I+D. Afortunadamente, acceder a la simulación de Monte Carlo es simple con Minitab Workspace. Siga leyendo para ver cómo esta potente herramienta puede beneficiar al equipo de I+D.

3 USOS CLAVE PARA I+D

1. Analizar el riesgo

¿No sería fantástico estimar la probabilidad de que se produzcan retrasos en el proceso de desarrollo? O tal vez desee modelar el riesgo de fallo de un producto que desea desarrollar.

Con Monte Carlo Simulation, puede adelantarse a estos inconvenientes y hacer predicciones con mayor confianza. Con el tiempo ahorrado, pueden generarse ideas sobre estrategias para mitigar los riesgos antes de seguir adelante con un desarrollo costoso, y el conocimiento que se obtuvo puede ser muy valioso al trazar el proceso de desarrollo y cronograma.

2. Optimizar los procesos

Los equipos de I+D pueden utilizar la simulación Monte Carlo para dar sentido a sistemas y procesos complejos. Específicamente, el equipo puede determinar la configuración óptima para diferentes variables de proceso, como presión, temperatura o caudal. Esto puede ayudar a maximizar el rendimiento y la calidad del producto mientras se ahorra un valioso tiempo y muchos recursos.

3. Mejorar el DOE

Después de realizar el DOE, la incorporación de la simulación de Monte Carlo puede llevar el análisis un paso más allá al permitir simular experimentos y resultados.

Además, al proporcionar una comprensión más precisa de la variabilidad y la incertidumbre, la simulación Monte Carlo puede mejorar la confianza y brindar una mejor comprensión de lo que sucederá cuando se lleve el producto a la planta de fabricación. Esto conduce a un proceso de producción más predecible, lo que puede generar menos errores y productos de mejor calidad.

MINITAB ESTÁ AQUÍ PARA USTED

Se puede acceder convenientemente a Monte Carlo Simulation a través de Minitab Workspace. Esta potente herramienta, junto con muchas otras, puede brindar el poder estadístico para anticipar dónde acabará, antes de comenzar el viaje. Ya sea que desee analizar riesgos, optimizar procesos, mejorar su DOE o las tres cosas, Monte Carlo Simulation puede ayudarlo a lograr sus objetivos.

Detalles

Categoría: Comsol

Publicado: 03 Abril 2023

Visto: 6796

En COMSOL Multiphysics, la rama de Matemáticas contiene interfaces para resolver Ecuaciones en Derivadas Parciales (EDP), Ecuaciones Diferenciales Ordinarias (ODE) y Ecuaciones Diferenciales Algebraicas (DAE), realizar análisis de sensibilidad, modelar mallas móviles y geometrías deformadas, entre otras cosas. Dicha rama se encuentra en el Mathematics Module, que viene por defecto con la adquisición de la Licencia de COMSOL Multiphysics. Las diferentes interfaces son:

• PDE Interfaces: Resuelve EDP en forma de coeficiente, forma general y forma débil.
• ODE and DAE Interfaces: Permite añadir ecuaciones globales, ecuaciones independientes de la posición que representan otros estados.
• Optimization and Sensitivity: Permite la optimización (requiere Optimization module) y análisis de sensibilidad (por defecto en licencia básica).
• Classical PDE: Permite trabajar con casos especiales de EDP en forma de coeficientes. Dichas son la Ecuación de Laplace, Poisson, Ondas, Calor, Helmholtz, Convección-Difusión y Convección- Difusión Estabilizada.
• Deformed Mesh: Permite añadir estudios considerado una geometría deformada y de malla deformada como resultado de una carga.
• Wall Distance: Permite resolver la Ecuación de la eikonal para obtener la distancia a las paredes, lo cual se emplea en modelización de la turbulencia en fluido dinámica.
• Curvilinear Coordinates: Permite incorporar un sistema de coordenadas curvilíneo para definir propiedades de materiales del tipo anisotrópico, siguiendo la geometría de un objeto.

En esta ocasión nos centraremos en las EDP para dar una interpretación útil a los usuarios sobre cada término en la ecuación.

Las EDP y su interpretación

La EDP con una única variable dependiente u, en forma general en dominio Ω y sus condiciones de contorno en la frontera ∂Ω, se encuentran de la siguiente manera en la General Form PDE de COMSOL Multiphysics:

Los términos Γ, f, g, q, R y r son definidos por el usuario. Es decir, pueden ser funciones de las coordenadas espaciales, la solución u y las derivadas espaciales de u, así como otras variables definidas por el usuario. Los términos f, g, q, R y r son escalares. El término Γ es el vector de flujo.

El vector Γ puede representar el flujo de una cantidad conservada, como calor, carga, masa o momento. Este flujo está usualmente relacionado mediante una ley material con el gradiente de la variable dependiente. Por lo tanto, Γ puede ser un vector cuyas componentes son funciones de las derivadas de la variable dependiente. El vector de flujo Γ puede también contener términos que son proporcionales a un campo de velocidad, cuando se tiene un transporte convectivo.

Las condiciones de contorno de la segunda línea de la ecuación corresponden a una condición de contorno tipo Neumann. Esta condición se denomina de flujo o fuente, debido a que especifica el valor del flujo numérico Γ en el contorno.

En la tercera y cuarta línea se tienen condiciones contorno del tipo Dirichlet. En el campo e los Elementos Finitos se les llama esenciales porque imponen una restricción en el espacio de prueba, que no es parte de la ecuación principal. La restricción de la tercera línea indica que una expresión arbitraria R es igual a cero en el contorno. La condición de Dirichlet de la línea 4 es un caso particular, especificando el valor de la variable dependiente en el contorno.

Forma de coeficientes

La forma de coeficientes de la EDP se encuentra de la siguiente manera en la Coefficient Form PDE interface de COMSOL Multiphysics. La primera línea de la ecuación es la EDP, que se cumple en el en el dominio Ω. Las ecuaciones en la segunda y tercera línea son las condiciones de contorno, que deben cumplir en ∂Ω. La segunda ecuación es una generalización de la condición de contorno de Neumann. La tercera ecuación es una restricción general, con la condición de contorno de Dirichlet como caso especial.

El usuario puede definir los coeficientes c, α, γ, β y a y los términos de contorno f, g, R y r. Cada uno de ellos pueden ser funciones de las coordenadas espaciales, así como variables dependientes y otras predeterminadas o variables definidas por el usuario y parámetros. Notar que para una única variable dependiente u, todos los coeficientes en la ecuación anterior son escalares excepto α, β y γ, que son vectores con 𝑛 componentes. El coeficiente c puede ser especificado como un escalar o como una matriz para materiales anisotrópicos.

Dualidad entre General Form y Coefficient Form PDE

La forma general y de coeficientes guardan una estrecha relación. En efecto, la forma de coeficientes es un caso particular de la forma general. Si se aplica una sustitución (ver ecuaciones siguientes) en la forma general, ésta se convierte en la forma de coeficientes. Este hecho da al usuario la posibilidad de escoger la representación en la que sea más sencillo trabajar una EDP.

Una interpretación de los coeficientes de EDP

Ejemplos

Existen numerosos ejemplos de modelado basado en las interfaces del Mathematics Module. Por mencionar algunos que se encuentran disponible en el material de COMSOL tenemos: kdv equation-and solitons [1], Electrical Signals in a Heart [2] y A Lorenz Attractor [3]. Una breve descripción de cada modelo viene a continuación.

La Ecuación de Korteweg-de Vries (KdV) se creó en 1895 para modelar ondas de agua. Dado que la ecuación no introduce la disipación, las ondas viajan aparentemente para siempre. Estas ondas ahora se llaman solitones, que pueden viajar largas distancias sin alterar su forma o velocidad. Hoy, la ecuación KdV se usa para comprender las ondas de luz. Como resultado, una de las principales aplicaciones modernas de los solitones es en fibras ópticas (Figura 1).

Figura 1: Resultado donde los solitones mantienen la forma intacta al colisionar, reapareciendo.

Modelar la actividad eléctrica en el tejido cardíaco es un paso importante para comprender los patrones de contracciones y dilataciones en el corazón. El corazón produce pulsos eléctricos rítmicos, que desencadenan las contracciones mecánicas del músculo. Varias afecciones cardíacas implican un riesgo elevado de reingreso de las señales. Esto significa que se altera el pulso constante normal, una condición grave y aguda que a menudo se denomina arritmia. La profesora Dra. Simonetta Filippi y el Dr. Christian Cherubini del Campus Universitario Biomédico di Roma, Italia, han proporcionado este modelo. En sí, son dos modelos matemáticos que describen diferentes aspectos de la propagación de la señal eléctrica en el tejido cardíaco: las ecuaciones de FitzHugh-Nagumo y las ecuaciones de Ginzburg-Landau, ambas resueltas en la misma geometría (Figura 2).

Figura 2: Solución de las ecuaciones de FitzHugh-Nagumo a 120 s.

Un atractor de Lorenz se puede describir mediante un sistema de ecuaciones diferenciales ordinarias (El sistema Lorenz). A principios de la década de 1960, Lorenz descubrió el comportamiento caótico de este sistema para ciertos valores de parámetros y condiciones iniciales. La solución, cuando se grafica como un espacio de fase, se asemeja a la Figura 3. Este ejemplo utiliza el método explícito de Dormand-Prince para resolver las ODE y un diagrama de trayectorias de puntos para visualizar el atractor de Lorenz.

Figura 3: Forma del Atractor de Lorenz.

Estos 3 modelos se encuentran en la Librería de Aplicaciones de COMSOL y además están descritos en el Blog de COMSOL Multiphysics [4].

Referencias

[1] https://www.comsol.com/model/the-kdv-equation-and-solitons-85
 [2] https://www.comsol.com/model/electrical-signals-in-a-heart-981#:~:text=Modeling%20the%20electrical%20activity%20in,mechanical%20contractions%20of%20the%20muscle
 [3] https://www.comsol.com/model/lorenz-attractor-16635
 [4] https://www.comsol.com/blogs/3-examples-of-equation-based-modeling-in-comsol-multiphysics/

Detalles

Categoría: Lakes

Publicado: 30 Marzo 2023

Visto: 5086

El preprocesador de datos meteorológicos de AERMET contiene muchas funcionalidades diferentes diseñada para ayudar a los usuarios a realizar tareas de control de calidad a medida que los datos son procesados. Estas incluyen la capacidad de auditar variables específicas, modificar rangos de datos válidos, y más.

Una funcionalidad construida en Upper Air Pathway de AERMET está diseñada para comprobar problemas potenciales en el sondeo y potencialmente poder corregir esos problemas. Esta funcionalidad es la palabra clave MODIFY, y consta de tres acciones:

1. DELMAND: Se eliminan los niveles obligatorios dentro del uno por ciento de un nivel de significación (respecto a la presión).
2. CALMDIR: Las direcciones de viento no nulo se ponen a cero si la velocidad de viento es calma (0).
3. SUB_TTDD: Las temperaturas de bulbo seco o de punto de rocío que faltan se reemplazan por valores interpolados utilizando datos de los niveles inmediatamente por encima y por debajo del nivel que falta.

Antes del lanzamiento del lmodelo 22112, al usar la opción MODIFY se aplicaban las tres acciones. AERMET 22112 brinda a los usuarios un mayor control sobre estas acciones al permitir que los modeladores elijan qué acciones aplicar.

En AERMET View versión 11, las opciones MODIFY se encuentran en Upper Air Pathway. Seleccione el botón Upper Air y marque la casilla de verificación Adjust Sounding Data (MODIFY) para utilizar la palabra clave. Cuando el ejecutable de AERMET seleccionado es la versión 22112, los usuarios pueden habilitar (marcar) o deshabilitar (desmarcar) cada acción individualmente.