Detalles

Categoría: Minitab

Publicado: 25 Enero 2022

Visto: 7000

Los dispositivos de medición deben calibrarse regularmente para garantizar que realicen su trabajo correctamente. Si bien la calibración cubre una amplia gama de aplicaciones y escenarios, el objetivo es simple: asegurarse de que el dispositivo esté midiendo según sus estándares. La mayoría de los sistemas de calidad requieren un sistema de medición satisfactorio que incluya la calibración formal, periódica y documentada de todos los instrumentos de medición. Un problema común que enfrentan los ingenieros es cómo verificar que dos instrumentos miden partes de manera similar.   

¿CÓMO DETERMINAR SI DOS INSTRUMENTOS PROPORCIONAN MEDICIONES COMPARABLES?

Un enfoque es comparar los dos instrumentos ajustando una línea de regresión lineal simple y luego usar el ajuste del modelo para ver si los valores son los mismos en todo el rango de mediciones. La regresión lineal simple modela la relación lineal entre dos variables continuas: una respuesta y un predictor. 

EJEMPLO:

Supongamos que hay un fabricante de dispositivos médicos que quiere determinar si su monitor de presión arterial es equivalente a un modelo similar en el mercado. Para verificar que los dos instrumentos proporcionen mediciones comparables, el fabricante selecciona personas que representen un rango de valores donde las mediciones deben ser comparables. Luego se mide a las personas con ambos instrumentos. La empresa obtiene lecturas de presión arterial sistólica en una muestra aleatoria de 60 personas utilizando los dos instrumentos y registra los datos. Se muestra una muestra de las 60 filas, donde cada fila representa una medición usando los instrumentos Actual y Nuevo.

En este caso, se designan las lecturas actuales como la variable predictora (o X) y las lecturas nuevas como la variable de respuesta (o Y). Ajustar una línea de regresión a estos datos muestra que las lecturas del dispositivo de medición actual predicen bastante bien las lecturas del nuevo dispositivo de medición. El estadístico R-cuadrado indica que el dispositivo de medida Actual explica el 98,8% de la variación observada en el dispositivo de medida Nuevo. 

La ecuación de regresión es: 

Nuevo = 1.387 + 0.9894 Actual 

A partir de estos datos, parece que las mediciones actuales ciertamente pueden predecir bastante bien las mediciones nuevas. En la práctica, vemos que los ingenieros utilizan modelos predictivos para confirmar que un nuevo dispositivo puede medir tan bien como un dispositivo actual. También hay otras aplicaciones; hay situaciones en las que se necesita una medición más rápida. Por ejemplo, algunas piezas o muestras deben medirse mediante mediciones de laboratorio antes de que puedan enviarse. Pero las mediciones de laboratorio pueden llevar horas según el proceso. Se puede utilizar un método de medición que proporciona resultados inmediatos para predecir las mediciones de laboratorio, proporcionando a los operadores e ingenieros información inmediata sobre posibles problemas.  

El enfoque de regresión lineal simple es bueno cuando podemos suponer que no hay errores en la dirección horizontal o X. Para este ejemplo, esto implicaría que nuestro sistema de medición actual no contiene errores. En el caso de los sistemas de medición, sabemos que la suposición no es razonable, por lo que usar una regresión lineal simple no es el mejor enfoque estadístico. Pero no se preocupe, hay otro enfoque que es igual de fácil de usar. 

¿QUÉ ES LA REGRESIÓN ORTOGONAL?

La regresión ortogonal, también conocida como regresión de Deming, se puede utilizar para determinar si dos instrumentos o métodos proporcionan mediciones comparables. La regresión ortogonal también examina la relación lineal entre dos variables continuas: una respuesta (Y) y un predictor (X). A diferencia de la regresión lineal simple (regresión de mínimos cuadrados), tanto la respuesta como el predictor en la regresión ortogonal contienen errores de medición. Recuerde que en la regresión simple, solo la variable de respuesta contiene error de medición. Si utiliza la regresión simple para determinar la comparabilidad cuando ambas variables contienen errores de medición, los resultados dependen de qué variable se supone que no tiene errores de medición en los cálculos. La regresión ortogonal aborda este problema, por lo que los roles de las variables tienen poca influencia en los resultados. 

En la regresión lineal simple, el objetivo es minimizar la suma de las distancias verticales al cuadrado entre los valores y y los valores correspondientes en la línea ajustada. En la regresión ortogonal, el objetivo es minimizar las distancias ortogonales (perpendiculares) desde los puntos de datos hasta la línea ajustada. Si bien la diferencia entre estos enfoques puede parecer menor, al evaluar las medidas y las piezas en relación con las especificaciones, podría generar conclusiones significativamente diferentes.  

Analicemos los datos del monitor de presión arterial usando la regresión ortogonal.  

La regresión ortogonal requiere que se especifique la proporción de la varianza del error en X (Actual) e Y (Nuevo). Cuando el método de medición para X e Y es el mismo, es probable que las varianzas sean iguales, lo que daría como resultado una razón igual a 1. Pero es una buena práctica estimarla. Antes de la recopilación de datos para la regresión ortogonal, los ingenieros realizaron estudios separados en cada monitor para estimar la variación de la medición. La relación de varianza del error se calculó realizando un estudio independiente de repetibilidad y reproducibilidad del sistema de medición para cada dispositivo de medición para producir una componente de varianza para la Repetibilidad para cada dispositivo. La relación de las dos componentes de varianza para las estimaciones de repetibilidad se puede utilizar como entrada para el campo de relación de varianza del error. La varianza para el nuevo monitor fue 1.08. La varianza del monitor de la otra empresa fue de 1,2. El ingeniero decide asignar el monitor Nuevo para que sea la variable de respuesta y el monitor Actual de la otra empresa para que sea la variable de predicción. Con estas asignaciones, la relación de varianza del error es 1,08/1,2 = 0,9. 

RESULTADOS DE LA REGRESIÓN ORTOGONAL 

El gráfico de línea ajustada muestra que los puntos se encuentran cerca de la línea de regresión, lo que indica que el modelo se ajusta a los datos. Aquí mostramos el ajuste por mínimos cuadrados y el ajuste ortogonal. Las dos ecuaciones ajustadas se ven en la parte inferior izquierda de la imagen. 

   La Ecuación de Regresión Ortogonal es: Nuevo = 0.644 + 0.995 Actual 

Tenga en cuenta que aunque las líneas parecen muy similares, la ecuación de regresión ortogonal es diferente de la ecuación de regresión lineal simple. Podemos usar la ecuación de regresión ortogonal para comprender la equivalencia de los dos instrumentos de medición. 

Si alguna de las siguientes condiciones es verdadera, los resultados proporcionan evidencia de que los monitores de presión arterial no son equivalentes: 

• El intervalo de confianza para la pendiente no contiene 1. 
• El intervalo de confianza para la constante no contiene 0. 

coeficientes

Por lo general, un nivel de confianza del 95% funciona bien. Un nivel de confianza del 95% indica que si se toman 100 muestras aleatorias de la población, los intervalos de confianza para aproximadamente 95 de las muestras contendrían el valor real del coeficiente. Para un conjunto de datos dado, un nivel de confianza más bajo produce un intervalo más estrecho y un nivel de confianza más alto produce un intervalo más amplio. 

Los resultados muestran que el intervalo de confianza para la constante, que es de aproximadamente -2,78 a 4,06, contiene 0. El intervalo de confianza para la pendiente, Actual, que es de aproximadamente 0,97 a 1,02, contiene 1. Estos resultados no proporcionan evidencia de que las medidas de los monitores difieren. Con base en estos resultados, la compañía puede concluir que su nuevo dispositivo de medición funciona tan bien como el dispositivo actual en el mercado. 

CONCLUSIÓN 

Al calibrar dos sistemas de medición, la regresión ortogonal puede determinar si los instrumentos o métodos proporcionan mediciones comparables. A diferencia de la regresión lineal simple (también conocida como regresión de mínimos cuadrados), tanto la respuesta como el predictor en la regresión ortogonal contienen errores de medición. Usando la regresión ortogonal, el fabricante de dispositivos médicos puede concluir con confianza que su instrumento de medición es equivalente al instrumento de medición actual en el mercado actual. 

La regresión ortogonal está disponible en la mayoría de los paquetes estadísticos, incluido Minitab Statistical Software.

Detalles

Categoría: Comsol

Publicado: 21 Enero 2022

Visto: 5928

El nuevo módulo incorporado con COMSOL Multiphysics 6.0 para cuantificar la incertidumbre, Uncertainty Quantification Module, se utiliza para comprender el impacto de la incertidumbre del modelo, esto es cómo dependen las cantidades de interés de las variaciones en las entradas de un modelo. Proporciona una interfaz general para la detección, el análisis de sensibilidad, la propagación de la incertidumbre y el análisis de fiabilidad.

Uncertainty Quantification Module puede probar de manera eficiente la validez de los supuestos del modelo, simplificar los modelos de manera convincente, comprender la entrada clave de las cantidades de interés, explorar la distribución de probabilidad de las cantidades de interés y descubrir la fiabilidad de un diseño. La garantía de la corrección del modelo y una mayor comprensión de las cantidades de interés ayudan a reducir los costes de producción, desarrollo y fabricación.

Uncertainty Quantification Module puede utilizarse con todos los productos de la suite de COMSOL Multiphysics para analizar incertidumbres en simulaciones de ingeniería electromagnética, estructural, acústica, de flujo de fluidos, térmica y química. Puede combinarse con el módulo de importación de CAD, el módulo de diseño o cualquiera de los productos LiveLink™ para CAD.

Puede conocer más sobre sus funcionalidades y características aquí.

Detalles

Categoría: Maple

Publicado: 19 Enero 2022

Visto: 30822

• Maple Flow
• ingeniería eléctrica
• MOSFETS

Desde la adaptación de impedancia de stubs y el análisis de circuitos hasta el modelado de líneas de transmisión y la matemática de los semiconductores, Maple Flow ofrece una herramienta de cálculo fácil de usar para los ingenieros eléctricos.

Los ingenieros eléctricos que utilizan Maple Flow para hacer cálculos, toman notas y escriben documentos de diseño en un entorno que se usa como si estuvieras usando papel y lápiz. Así:

• Proporciona un entorno de cálculo de forma libre, similar al papel.
• Realiza cálculos con la legible notación matemática natural, con soporte completo para unidades y resolvedores fáciles de usar
• Crea informes de diseño inmersivos y atractivos con textos, ecuaciones, imágenes y diagramas
• Puede utilizar la base de datos integrada de propiedades termofísicas para extraer propiedades de fluidos
• Genera gráficos y diagramas atractivos

Aplicaciones de ingeniería eléctrica

Análisis de circuitos mediante funciones de transferencia y transformadas de Laplace Maple Flow puede utilizarse para derivar y manipular funciones de transferencia de circuitos eléctricos usando las leyes de voltaje y corriente de Kirchoff. Las funciones de transferencia se pueden convertir en ecuaciones diferenciales o discretizadas, y pueden generarse fácilmente diagramas de amplitud y fase.   Las funciones de transferencia pueden contener coeficientes simbólicos; estos parámetros se pueden optimizar para que coincidan con una respuesta objetivo. Descargar aplicaciones

Corriente máxima del cable utilizando el método Nehers-McGrath El calor se genera cuando la corriente fluye a través de un cable. La corriente máxima de un cable es la cantidad de corriente que un cable puede transportar sin exceder su clasificación de temperatura. La estimación precisa de la corriente máxima es fundamental para minimizar el coste total de vida útil de una instalación de cable.   Esta aplicación implementa las ecuaciones de Nehers-McGrath y compara los resultados con los tabulados en el National Electrical Code (2017); la buena concordancia significa que esta hoja de trabajo puede ser la base de cálculos de corriente máxima de cable más complejos. Esta aplicación utiliza el sistema de unidades integrado de Maple Flow; las unidades fluyen desde las definiciones de los parámetros, a través de las ecuaciones y hasta los resultados finales. Descargar aplicaciones

Modelado matemático de dispositivos semiconductores Los semiconductores son dispositivos complejos, pero Maple Flow ayuda a derivar los modelos matemáticos para describir con precisión sus características.   Los MOSFET son un componente fundamental de la electrónica moderna, como los teléfonos inteligentes y otros dispositivos portátiles. Los MOSFET de baja potencia son fundamentales para cambiar los sistemas de suministro de energía. Con Maple Flow, puede convertir modelos de circuitos equivalentes de MOSFETS en ecuaciones analíticas escribiendo y manipulando las relaciones básicas. Descargar aplicaciones

Análisis de circuitos en el peor de los casos Los componentes eléctricos se fabrican en grandes cantidades. Las inconsistencias en los materiales y el proceso de fabricación significan que los parámetros de los componentes tienen una distribución estadística. Es decir, la resistencia de un lote de resistencias podría describirse mediante una distribución normal.   Dada la cantidad de componentes en un circuito y la distribución de sus parámetros, es posible que el circuito no funcione según lo especificado. Este es un riesgo que debe identificarse, gestionarse y mitigarse en las primeras etapas del proceso de diseño. Los ingenieros eléctricos a menudo usan Maple Flow para el análisis de circuitos en el peor de los casos. Puede emplearse: Análisis de Monte Carlo, en el que los parámetros se seleccionan aleatoriamente de una distribución y el circuito se simula, entre 1000 y 100000 veces. Esto utiliza herramientas de Maple Flow para distribuciones de probabilidad de muestras cálculos por elementos para una evaluación numérica rápida generación de histogramas y análisis estadísticos o evaluar las ecuaciones del circuito en el valor extremo de todos los componentes del circuito. Esto utiliza las herramientas de Maple Flow para generar permutaciones de parámetros cálculos por elementos

Detalles

Categoría: Minitab

Publicado: 18 Enero 2022

Visto: 4852

Cómo acelerar el tiempo de comercialización y lanzar productos robustos

Las fallas de productos, los costes de garantía y las reclamaciones de responsabilidad tienen un impacto significativo en la satisfacción del cliente y la reputación de la marca.

Para hacer frente a estas consecuencias de forma proactiva, es sumamente importante diseñar un producto fiable desde el principio de la fase de desarrollo utilizando la técnica Diseño en función de la fiabilidad (DfR, por sus siglas en inglés).

En este artículo técnico, ofrecemos una visión de la metodología del diseño en función de la fiabilidad y cómo apoya el desarrollo de productos exitosos.

También describimos cinco técnicas para la creación de un diseño de productos fiables y cómo aplicarlas con Minitab Solutions Analytics^TM, donde ofrecemos nuestras soluciones de software y servicios para brindar a las organizaciones el poder de tomar mejores decisiones empresariales basadas en datos.

Fiabilidad de los productos: Reduciendo los riesgos y consecuencias para usted y sus clientes

Fallas de los productos Las fallas de los productos, sistemas o equipos se traducen en tiempo de inactividad y un mayor volumen de servicio al cliente. Para hacer frente a estos problemas, las organizaciones deben que realizar tareas no planeadas de mantenimiento, lo que tiene un impacto directo en la eficiencia del personal y en los resultados finales. ¿Qué tal si pudiera prevenir de manera proactiva las fallas de los productos?	Costos de garantía Las devoluciones de productos durante el período de garantía se traducen en costosos envíos y reparaciones. Para evitar dañar la marca y mantener la satisfacción del cliente, las empresas con frecuencia deciden reemplazar los productos defectuosos. ¿Qué tal si pudiera predecir con exactitud la vida útil de su producto?	Reclamaciones de responsabilidad La falta de cumplimiento puede tener costosas consecuencias, como la pérdida de clientes y los litigios. Para evitar el riesgo de reclamaciones de responsabilidad y clientes insatisfechos, las empresas recurren a las retiradas de productos por motivos de seguridad. ¿Qué tal si pudiera identificar los posibles modos de falla en componentes, conjuntos, subsistemas y sistemas?

Pronostique y prevenga las fallas de los productos con Minitab Solutions Analytics™

Minitab Statistical Software ofrece herramientas de análisis de fiabilidad para estimar la vida útil de un producto, sistema o servicio, y las posibles fallas.

Minitab Workspace y Minitab Engage proporcionan las herramientas de análisis Calidad por diseño y Modos de falla para acelerar el tiempo de comercialización, diseñar productos fiables e identificar riesgos de falla.

Detalles

Categoría: Comsol

Publicado: 05 Enero 2022

Visto: 2749

Con esta rápida actualización, todos los productos del software COMSOL^® mejoran en estabilidad. Las mejoras más importantes de COMSOL^® versión 6.0 update 0 son:

COMSOL Multiphysics^®

• Se soluciona una potencial vulnerabilidad de seguridad actualizadno Apache Log4J a la versión 2.17.0. Lea el artículo de la base de conocimiento correspondiente aquí.
• Mejoras de estabilidad.

COMSOL Compiler™

• Solucionado un problema de licenciamiento con las apps compiladas en la versión 6.0. Lea el artículo de la base de conocimiento correspondiente aquí.

Detalles

Categoría: Comsol

Publicado: 15 Diciembre 2021

Visto: 4798

• COMSOL Multiphysics
• Administrador de modelos de COMSOL
• módulo de Cuantificación de Incertidumbre de COMSOL
• COMSOL Multiphysics 6.0

COMSOL Multiphysics^® versión 6.0 presenta el Administrador de modelos (Model Manager), el Módulo de cuantificación de incertidumbre (Uncertainty Quantification Module), resolvedores más rápidos para la radiación de calor y materiales estructurales no lineales, nuevas potentes herramientas para el análisis electromagnético de PCB y ruido inducido por flujo. El Administrador de modelos proporciona una funcionalidad que permite a los colegas colaborar y organizar de forma centralizada modelos y aplicaciones, incluido el control de acceso y versiones, así como la búsqueda avanzada. El módulo de cuantificación de la incertidumbre se utiliza para comprender el impacto de la incertidumbre del modelo: cómo las cantidades de interés dependen de las variaciones en las entradas de un modelo.

A continuación resumimos las principales novedades en la versión 6.0 del software COMSOL^®. Encontrará más detalles en las pestañas de la versión de las páginas de productos.

Actualizaciones generales

• Administrador de modelos (Model Manager): nueva funcionalidad importante para colaborar y organizar modelos y aplicaciones de forma centralizada, incluido el control de acceso y versiones, así como la búsqueda avanzada.
• Módulo de cuantificación de la incertidumbre (Uncertainty Quantification Module): un nuevo producto que incluye herramientas probabilísticas y de sensibilidad global para la cuantificación de la incertidumbre, incluido el diseño de experimentos.
• Un nuevo editor de Application Builder para diseñar menús y barras de herramientas de cinta de forma interactiva.
• Capacidad para organizar operaciones y objetos geométricos en nodos de grupo .
• Operaciones de capa de unión y contorno para mallas importadas.
• Tablas de colores mejoradas, incluida la escala logarítmica, para la visualización de resultados.
• La oclusión ambiental y la transparencia mejorada en las visualizaciones hacen que los modelos 3D parezcan más realistas.
• Funcionalidad de generación de informes como presentaciones de Microsoft^® PowerPoint^®.
• Soporte para macOS en procesadores M1.

Electromagnetismo

• Cálculo de matrices de inductancia y resistencia dependientes de la frecuencia para PCB.
• Mallado adaptativo y controlado por la física para circuitos de microondas y banda milimétrica (mmWave) en PCB.
• Método híbrido elemento_de_ contorno-elemento_finito (BEM-FEM) para antenas y propagación de ondas electromagnéticas.
• Modelado de materiales compuestos de apantallamiento electromagnético.
• Materiales magnéticos no lineales para componentes de RF y microondas.
• Nuevas herramientas para motores eléctricos que incluyen una biblioteca de piezas y cálculos eficientes de par.
• Análisis magnetomecánico para simulaciones multifísicas magnéticas y estructurales fuertemente acopladas.
• Biblioteca de material óptico con gafas de los principales fabricantes.

Mecánica estructural

• Resolución 10 veces más rápida para la fluencia y resolución más rápida para materiales estructurales no lineales en general.
• Modelado significativamente más fácil de contacto mecánico con generación automatizada de pares y condiciones de contacto.
• Modelado rápido de orden reducido utilizando el método Craig-Bampton para análisis dinámico o estacionario.
• Modelado mejorado de carcasas en ensamblajes CAD importados.
• Evaluación de fatiga por vibraciones aleatorias.
• Contacto con fricción en modelado de fisuras.
• Materiales elásticos lineales reforzados con fibra.
• Arrugas en membranas.

Acústica

• Interfaz multifísica para ondas piezoeléctricas utilizando un método explícito en el tiempo.
• Ruido inducido por flujo con CFD de simulación de remolinos grandes (LES).
• Funcionalidad de malla controlada por física para acústica de presión.
• Interfaces acústicas de presión de alta frecuencia para dispersión y radiación.
• Condición de radiación límite perfectamente adaptada y fácil de usar.
• Análisis de modo en secciones transversales para aeroacústica.

Fluido y Calor

• Eficiencia 10 veces mayor en la resolución de la radiación de superficie a superficie.
• Modelado multiescala de transferencia de calor en camas de pellets.
• LES mejorado con tratamiento automático de la pared y funciones térmicas de la pared.
• Análisis de flujo de alto número de Mach para maquinaria rotativa.
• Curado de resinas termoendurecibles.
• Separación de fases en maquinaria rotativa con múltiples fases dispersas.
• Flujo de dos fases en medios porosos para las ecuaciones de Brinkman con conjuntos de niveles.
• Interfaz multifísica para flujo no isotérmico en medios porosos.

Química y electroquímica

• Interfaz multifísica para flujo de reacción no isotérmica.
• Característica de catalizador poroso para reacciones heterogéneas y adsorción.
• Flujo de reacción turbulento con especies diluidas.
• Tensiones y tensiones debidas a la intercalación de litio en baterías de iones de litio.
• Secuencias de eventos para modelar más fácilmente los ciclos de carga / descarga de varios pasos.
• Nueva biblioteca de materiales para pilas de combustible y electrolizadores.
• Transporte de especies a través de membranas de pilas de combustible y electrolizadores.
• Nueva interfaz para protección catódica.

Módulo de importación CAD, módulo de diseño y productos LiveLink™ para CAD

• Una función de proyección que se utiliza para proyectar objetos y entidades 3D en planos de trabajo y geometrías 2D.
• Importación más rápida y robusta de archivos ECAD.
• Herramienta de detección de interferencias mejorada para las interferencias entre objetos geométricos.
• Sincronización sin conexión entre el COMSOL ® software y software de CAD.

Microsoft y PowerPoint son marcas comerciales del grupo de empresas Microsoft. MacOS es una marca comercial de Apple Inc., registrada en EE. UU. Y en otros países y regiones.