- Detalles
- Categoría: Minitab
- Visto: 345
Por Oliver Franz.
El trabajo de I+D tiene una forma curiosa de convertir el "eso debería funcionar" en "¿por qué hizo eso?".
Un experimento se desarrolla a la perfección. El siguiente, utilizando la misma receta, el mismo equipo y la misma configuración minuciosa, arroja un resultado diferente.
¿Molesto? Sin duda. ¿Aleatorio? Quizás no.
Eso suele deberse a la variabilidad.
Los equipos de I+D toman decisiones cruciales antes de contar con información perfecta, por lo que los resultados inconsistentes no pueden simplemente descartarse como ruido. Cuando la variación no se mide ni se comprende, el rendimiento se vuelve más difícil de predecir, los ciclos de desarrollo se alargan y el riesgo aparece más tarde de lo deseado.
Un enfoque estructurado para el análisis del rendimiento y la variabilidad proporciona a los profesionales técnicos de I+D una visión más clara de lo que está cambiando, por qué es importante y cómo avanzar con mayor confianza.
¿Por qué el rendimiento en I+D a veces es inconsistente?
El rendimiento irregular suele deberse a variaciones que no se comprenden ni se controlan del todo.
Los insumos cambian, las condiciones ambientales fluctúan y los efectos combinados entre las variables influyen en los resultados de maneras que no son inmediatamente visibles. Cuando estas fuentes de variación no se cuantifican, los resultados pueden parecer poco fiables incluso cuando existen patrones.
Sin un análisis de rendimiento adecuado, los equipos se basan en promedios o resultados de pruebas aisladas, lo que puede enmascarar el comportamiento de un sistema en condiciones reales.
Mejorar el rendimiento comienza con tres maneras de medir, analizar y reducir la variabilidad.
1. ¿Cómo se mide la variabilidad con el diseño de experimentos?
Muchos equipos de I+D siguen probando las variables de forma aislada, modificando un factor a la vez. Esto limita la visibilidad sobre cómo la variación en los datos de entrada afecta al rendimiento general.
El diseño de experimentos (DOE) proporciona una forma estructurada de medir la variabilidad entre múltiples factores simultáneamente. Los profesionales técnicos pueden cuantificar los efectos de los cambios en las variables de entrada individuales, comprender la influencia combinada de múltiples variables de entrada e identificar cuándo los efectos siguen un patrón curvo y no lineal, revelando así cómo las variables de entrada influyen en los resultados.
Con Minitab, los profesionales técnicos de I+D pueden:
- Identificar qué factores impulsan la variación en los resultados
- Comprender cómo los efectos combinados de múltiples entradas (interacciones) contribuyen a los cambios en el rendimiento.
- Construir modelos que describan el comportamiento del sistema en diferentes condiciones.
Esto permite medir la variabilidad y proporciona a los equipos una base clara para mejorar el rendimiento.
2. ¿Cómo puede la simulación de Monte Carlo mejorar el análisis de rendimiento en condiciones de variabilidad?
Las condiciones del mundo real introducen variaciones que no siempre pueden capturarse en un conjunto limitado de experimentos.
La simulación de Monte Carlo amplía el análisis de rendimiento al modelar una amplia gama de resultados posibles basados en patrones medidos de variabilidad de entrada. En lugar de depender de un único resultado esperado, los profesionales técnicos pueden evaluar cómo cambia el rendimiento en diferentes escenarios.
En Minitab Solution Center, la simulación de Monte Carlo ayuda a los equipos a evaluar con qué frecuencia un diseño cumplirá con las especificaciones. Mediante estas simulaciones, los equipos pueden identificar los factores que más contribuyen a la variabilidad y evaluar el rendimiento en condiciones cambiantes.
Esta perspectiva más amplia facilita la anticipación de riesgos y la comprensión del comportamiento de los sistemas fuera de los entornos de prueba controlados.
3. ¿Cómo se reduce la variabilidad y se estabiliza el rendimiento?
Medir la variabilidad es solo una parte del proceso. Mejorar el rendimiento requiere reducir esa variabilidad donde más importa.
El análisis estadístico en Minitab ayuda a los profesionales técnicos a identificar factores importantes, cuantificar su impacto y definir condiciones operativas que conduzcan a resultados más consistentes. Los equipos pueden comenzar con análisis gráficos, como diagramas de variabilidad (varianza), para comprender dónde existe variación, y luego usar herramientas como el optimizador de respuesta con modelos de varianza logarítmica en Minitab Solution Center para identificar configuraciones que minimicen la variabilidad. Estos hallazgos se pueden probar con análisis de sensibilidad y simulación de Monte Carlo para evaluar cómo los cambios en los patrones de entrada afectan el rendimiento en condiciones reales.
Este enfoque permite a los equipos pasar de observar la variación a controlarla activamente, lo que da como resultado procesos más estables y resultados más predecibles.
Reducir la variabilidad para mejorar el rendimiento en I+D.
Cuando no se comprende la variabilidad, el rendimiento sigue siendo inconsistente y difícil de escalar.
Al aplicar el análisis de rendimiento para medir y reducir la variabilidad, los equipos de I+D comprenden mejor el comportamiento de los sistemas. Pueden identificar las causas de la inconsistencia, mejorar la estabilidad y tomar decisiones que resulten efectivas en la práctica.
Minitab combina esto con herramientas que facilitan el análisis y la actuación ante la variabilidad, ayudando a los equipos a pasar de resultados inconsistentes a un rendimiento predecible en I+D.
- Detalles
- Categoría: Comsol
- Visto: 262
El diseño eficiente de las celdas de combustible de membrana de intercambio protónico (PEMFC) es clave para acelerar la descarbonización global. Sin embargo, evaluar físicamente cada variación geométrica resulta costoso y complejo. Para resolver esto, un reciente estudio publicado en la revista Next Research (Elsevier) [1] utilizó COMSOL Multiphysics® para modelizar y analizar simultáneamente el impacto de la configuración del flujo y el número de canales en el rendimiento de una PEMFC de 12.8 cm, tal y como se muestra en la Figura 1.
Figura 1. (a) Esquema de la dirección del O2 y el H2 a través de los canales en la configuración de flujo en contracorriente, y (b) estructura plana de la PEMFC diseñada. (c) Canal del campo de flujo 1S con dimensiones y (d) mallado de su geometría. Diseño del campo de flujo para los canales (e) 2S y (f) 4S. (Nota: "PEMFC" se refiere a la celda de combustible de membrana de intercambio protónico, por sus siglas en inglés, y "1S, 2S, 4S" hacen referencia al número de canales en serpentín —1, 2 y 4 canales—).
Los investigadores desarrollaron un modelo tridimensional (3D) estacionario e isotérmico en monofase, utilizando el módulo especializado Hydrogen Fuel Cells. Mediante COMSOL Multiphysics®, se resolvieron de forma acoplada las ecuaciones fundamentales de conservación: la cinética electroquímica en los electrodos se rigió por la ecuación de Butler-Volmer, el transporte de momento en los canales mediante Navier-Stokes (flujo laminar), la difusión de gases multicomponente con la ecuación de Maxwell-Stefan, y la distribución de velocidades en los medios porosos (GDL y capas de catalizador) a través de la Ley de Darcy.
El software permitió evaluar tres geometrías de canales en serpentín (1, 2 y 4 canales) bajo configuraciones de flujo paralelo (coflow) y contracorriente (counterflow). Tras un riguroso estudio de optimización de malla y parámetros operativos —fijando las condiciones óptimas en 60ºC, 50% de humedad relativa y estequiometrías de ánodo/cátodo de 1.2/2.5 — COMSOL reveló datos cruciales.
Los mapas tridimensionales como los que se muestran en la Figura 2 demostraron que la configuración de contracorriente ofrece una distribución de hidrógeno más homogénea y mitiga la caída de concentración cerca de la salida. Sorprendentemente, el canal único (1S) en contracorriente incrementó la densidad de corriente en un 13.1% y la densidad de potencia en un 1.81% a 0.7 V en comparación con el coflow. Este trabajo reafirma el papel de COMSOL Multiphysics® como una herramienta indispensable para predecir fenómenos de transporte y optimizar tecnologías limpias sin incurrir en altos costos experimentales.
Figura 2. Distribución de la fracción molar de hidrógeno en la interfaz del canal del campo de flujo del ánodo para flujo paralelo (coflow): (a) 1S, (b) 2S, (c) 4S, y para flujo en contracorriente (counter flow) con (d) 1S, (e) 2S y (f) 4S.
Referencias
[1] Chaitanya Galave, Onkar Dube, Vishal Virole, Ajay Kumar, Sudhir Husale, Rajesh Kanawade, Investigate the effect of flow configuration and the number of channels on the performance of a PEM fuel cell using COMSOL Multiphysics: A comprehensive simulation study, Next Research, Volume 8, 2026, 101625
- Detalles
- Categoría: Maple
- Visto: 287
Calculadora de Maple incluida. Obtenga la Calculadora Premium de Maple en su teléfono. ¡Ahora incluida con su membresía EMP!
 |
Ahora, Maple Calculator Premium viene incluido con Maple como beneficio del Programa de Mantenimiento Elite (EMP). La aplicación Maple Calculator lleva la potencia del motor matemático de Maple a tu dispositivo móvil. Con más de 6 millones de descargas y una calificación de 4.5 estrellas, es una de las aplicaciones de matemáticas avanzadas más utilizadas en la actualidad. Ahora, los usuarios de Maple con una suscripción EMP obtienen acceso Premium a Maple Calculator, que ofrece soluciones paso a paso ilimitadas y soporte para problemas verbales con inteligencia artificial, además de las completas herramientas de resolución y visualización disponibles en la aplicación base. |
- Detalles
- Categoría: Lakes
- Visto: 246
Uno de los pilares fundamentales para trabajar con los productos de Lakes Environmental Software es el área de dibujo. Aquí se muestran todos los objetos y capas para su visualización y edición. Una herramienta que los usuarios tienen a su disposición para controlar adecuadamente lo que se muestra en el área de dibujo es la pestaña de superposiciones (Overlays) en la vista de árbol (Tree View).
Esta pestaña permite a los usuarios especificar qué objetos deben mostrarse, ordenar las capas para obtener la mejor visualización posible o editar gráficamente capas u objetos específicos.
Las capas seleccionadas se muestran en el área de dibujo, en el orden en que aparecen en la pestaña Overlays. En la imagen de ejemplo anterior, el límite del dominio del sitio (Site Domain Boundary) estará encima de todas las demás capas en el área de dibujo, mientras que Tutorial_Map_15km.jpg es la capa inferior.
Las siguientes opciones pueden emplearse para brindar a los usuarios un mayor control de su área de dibujo.
- Las flechas Mover hacia abajo/Mover hacia arriba
permiten a los usuarios desplazar rápidamente las capas hacia arriba o hacia abajo para una mejor visibilidad en la pantalla principal. También es posible reordenar las capas seleccionando su nombre y arrastrándolo hacia arriba o hacia abajo según se desee. - Las opciones Desmarcar todo
y Marcar todo 
permiten a los usuarios gestionar rápidamente todas las capas listadas para ocultarlas o visualizarlas. - La opción Deshabilitar selección
permite al usuario impedir que la capa seleccionada se seleccione en el área de dibujo. Esto resulta especialmente útil para mapas base grandes que el usuario quizás no desee editar ni seleccionar mientras trabaja con objetos del modelo. Una capa que se ha deshabilitado para la selección mostrará un icono de candado.
- La opción Deshabilitar edición gráfica
impide que la capa seleccionada se mueva, cambie de tamaño o elimine. La capa u objeto aún se puede seleccionar en el área de dibujo para editarlo, pero queda bloqueado gráficamente a dicha área.
- La función Zoom a superposición
permite ampliar rápidamente la capa seleccionada. Esto puede resultar útil para localizar objetos específicos del modelo o capas del mapa. - Elimine la selección
para quitar rápidamente la capa seleccionada.
- Detalles
- Categoría: Comsol
- Visto: 216
El modelado de mediciones de pulso-eco ultrasónico en tuberías de petróleo es crucial para evaluar la integridad de los pozos y las propiedades de los materiales ocultos. Sin embargo, simular estos escenarios en 3D plantea un gran desafío computacional debido a las altas frecuencias y las complejas geometrías involucradas, requiriendo incluso hasta varias horas por simulación.
Para superar este obstáculo, investigadores del grupo de Acústica de SINTEF desarrollaron una metodología eficiente en COMSOL Multiphysics® utilizando una simplificación axisimétrica en 2D alineada con el eje del transductor (Figura de la portada, que muestra los resultados del modelado 3D en cuatro pasos temporales, haciendo uso de dos ejes de simetría) [1,2]. Mediante el modo de tiempo explícito (time-explicit) y el acoplamiento multifísico Pair Acoustic–Structure Boundary, lograron reducir el tiempo de cómputo a solo 13 minutos por simulación, manteniendo una excelente precisión en comparación con los resultados en 3D.
Esta drástica reducción de tiempo permitió crear una base de datos masiva con más de 1,400 simulaciones paramétricas utilizando LiveLink™ para MATLAB®. Gracias a la flexibilidad de COMSOL, se analizaron de forma automatizada variables como el espesor de la tubería, distancias y propiedades de los materiales, impulsando el desarrollo de técnicas de inspección no destructiva en la industria energética.
Un excelente ejemplo de cómo COMSOL Multiphysics® permite acelerar simulaciones complejas de propagación de ondas, realizar estudios paramétricos avanzados y optimizar procesos de inspección industrial en el sector energético.
Puede conocer más detalles en el blog de COMSOL [3].
Referencias
[1] A. Diez, T.F. Johansen, E.M. Viggen, “From 3D to 1D: Effective numerical modelling of pulse-echo measurements in pipes,” Proc. 46th Scandinavian Symposium on Physical Acoustics, pp. 1–23, 2023; ISBN 978-82-8123-023-1.
[2] A. Diez, E.M. Viggen, T.F. Johansen, “Ultrasonic pulse-echo dataset from numerical modelling for oil and gas well integrity investigations,” Sci Data 12, 544, 2025; https://doi.org/10.1038/s41597-025-04851-x
[3] COMSOL blog: https://www.comsol.com/blogs/reduced-order-modeling-of-ultrasonic-pipe-measurements
- Detalles
- Categoría: BIOVIA
- Visto: 304
Figura 1. Estructuras químicas, superficies sigma y perfiles sigma de betulina y ácido betulínico estimados mediante COSMO-RS.Este trabajo [1] ha sido desarrollado por el equipo investigador formado por Rosa Lebrón Aguilar y Jesús E. Quintanilla López, del Instituto de Química-Física “Blas Cabrera” (IQF-CSIC), e Inmaculada Luque Jurado, Sergio Rivas, María Luz Sanz y Ana Cristina Soria, pertenecientes al Instituto de Química Orgánica General (IQOG-CSIC), ambos del Consejo Superior de Investigaciones Científicas (CSIC). La integración de distintos perfiles científicos permitió abordar el reto desde una perspectiva integral: modelado molecular, diseño de NADES y validación experimental.
Retos iniciales y motivación
Los métodos convencionales de extracción son lentos, poco sostenibles y su desarrollo se basa fundamentalmente en la experimentación, situación que se ha revertido en gran parte con la implementación de aproximaciones computacionales. En el presente caso, la gran cantidad de posibles combinaciones HBD/HBA de NADES hacía inviable el cribado experimental completo. La incorporación de COSMOsuite (COSMOTherm) y TURBOMOLE permitió seleccionar in silico los NADES óptimos antes de pasar al laboratorio, reduciendo de esta manera tiempo, costes y consumo de recursos.
Figura 2. Capacidad de dilución infinita (C∞i) de los disolventes estudiados, estimada mediante COSMO-RS para Bet y BAc a 25 °C. Los terpenoides y los disolventes orgánicos convencionales se muestran como barras de color claro y oscuro, respectivamente.Los objetivos principales eran: diseñar un proceso de extracción más verde (menor temperatura, disolventes menos peligrosos), maximizar el rendimiento de extracción para la betulina y ácido betulínico, y reducir el número de ensayos experimentales.
Integración de COSMOsuite y TURBOMOLE
Tras optimizar las estructuras moleculares mediante DFT en TURBOMOLE (BP86/TZVP), se calcularon con COSMOTherm los coeficientes de actividad a dilución infinita, las capacidades solventes, los perfiles y potenciales sigma, así como las temperaturas eutécticas de las mezclas. Estos datos guiaron la elección del NADES timol:1-octanol (4:1) como el extractante más prometedor.
Figura 3. Perfiles sigma (a) y potenciales sigma (b) de h-NADES de betulina, ácido betulínico y timol:1-octanol (4:1) estimados mediante COSMO-RS.El flujo completo incluyó: definición de los potenciales disolventes → optimización DFT → cálculos COSMO-RS → selección de NADES → preparación y caracterización fisicoquímica → comparación SLE vs UAE → diseño experimental (CCD) de UAE con el NADES seleccionado. El cribado computacional permitió reducir sustancialmente los ensayos experimentales, centrándose en un único NADES óptimo.
Impacto en sostenibilidad y eficiencia
El enfoque computacional facilitó la selección de disolventes con una alta capacidad de solvatación, baja volatilidad y toxicidad, evitando así la utilización de disolventes orgánicos clásicos. La combinación con UAE permitió obtener altos rendimientos de extracción, en menos tiempo y a temperaturas más moderadas (~61 °C, 24 min) que los métodos tradicionales, como SLE o Soxhlet.
Figura 4. Efecto de la fracción molar timol:1-alcanol (xtimol, de 0,2 a 0,8) y la longitud de la cadena del 1-alcanol sobre C∞Bet+BAc a 25 °C, predicho por COSMO-RS.Resultados representativos:
- Rendimiento de extracción para Betulina: 25 mg/g, y Ácido betulínico: 1,06 mg/g
- Recuperaciones: 80% (Bet) y 96% (BAc), RSD ≤ 2,3%
- Contenidos en corteza: 12,09–32,17 mg/g (Bet), 0,69–1,43 mg/g (BAc)
- Índice de sostenibilidad AGREEprep: 0,76
El análisis de los perfiles y potenciales sigma mostró que la betulina y el ácido betulínico presentan carácter predominantemente apolar, y capacidad para actuar como HBD y HBA, lo que explica la eficiencia del NADES seleccionado para coextraer ambos compuestos.
Beneficios y perspectivas
El enfoque combinado TURBOMOLE + COSMO-RS permitió seleccionar racionalmente el mejor NADES, reducir el trabajo experimental preliminar y diseñar un método UAE con excelente rendimiento y sostenibilidad. La predicción de propiedades como la capacidad solvente y la temperatura eutéctica guio los ensayos experimentales, concentrándose en optimizar solo los parámetros clave.El equipo destaca que esta metodología acelera el desarrollo de métodos de extracción verdes, integra criterios de rendimiento y sostenibilidad desde el inicio, y ofrece una base termodinámica clara para justificar la elección de disolventes y condiciones.
Proyección futura
Se prevé extender este enfoque a otros bioactivos de alto valor y matrices complejas como los suplementos alimenticios, explorando nuevas familias de NADES guiadas por COSMO-RS. Además, abre oportunidades de colaboración interdisciplinaria en ingeniería de procesos, ciencia de alimentos, cosmética y farmacia, orientadas al escalado industrial de extracciones sostenibles y formulación de productos basados en estos extractos.Referencias
1. I. Luque-Jurado, S. Rivas, R. Lebrón-Aguilar, J.E. Quintanilla-López, M.L. Sanz, A.C. Soria, “Ultrasound-assisted extraction of bioactive birch (Betula sp.) bark triterpenoids using hydrophobic natural deep eutectic solvents”. Anal. Bioanal. Chem., 418 (2026) 1713-1723. https://doi.org/10.1007/s00216-025-06174-7- Detalles
- Categoría: Maple
- Visto: 243
Interacciones fluidas: Varias mejoras pequeñas pero importantes en la interfaz hacen que trabajar en el entorno Maple sea mucho más sencillo.
|
|
Maple 2026 introduce y mejora numerosas funciones que facilitan su uso. Además de importantes novedades como el Asistente de IA y la Importación de Documentos, que simplifican más que nunca el proceso de plasmar ideas en cálculos matemáticos, Maple 2026 también incluye más opciones de navegación por teclado, un contraste de color mejorado en las paletas, la función de ajuste y mosaico de ventanas, y un control más intuitivo de la visualización de los paneles laterales. Asimismo, las hojas de cálculo ahora presentan un aspecto más limpio y ordenado, ya que los límites de los grupos de ejecución ya no se muestran de forma predeterminada. |
