Modelar calentamiento por inducción en materiales magnéticos es un reto de doble no linealidad: la permeabilidad magnética cambia con el campo H (curva B-H), y además toda esa curva se transforma con la temperatura, hasta que al superar la temperatura de Curie el material pierde completamente su carácter magnético. Ignorar cualquiera de estas no linealidades compromete seriamente la precisión del modelo. ¿Cómo gestionar esta complejidad en COMSOL Multiphysics®? Un reciente post publicado en el blog de COMSOL trata esta cuestión [1]. El enfoque Frequency-Transient separa las dos escalas temporales del problema: los campos EM se resuelven en frecuencia, y el campo térmico en el tiempo. Las no linealidades magnéticas se capturan mediante curvas B-H efectivas, calculadas a partir de datos experimentales o mediante expresiones analíticas cuando esos datos no están disponibles. La interfaz Magnetic Field Formulation resuelve directamente en H, haciéndola especialmente robusta frente a estas no linealidades fuertes. Para acelerar la convergencia sin sacrificar precisión, el operador nojac() evita la diferenciación simbólica en la relación B-H, reduciendo el coste por iteración. Se utiliza un solver “Frequency-Transient”, que por defecto empleará una estrategia de resolución segregada. El campo magnético se resuelve utilizando un solver directo, y este es un excelente[…]
Operaciones más rápidas: Muchas operaciones comunes, como la resolución de sistemas polinómicos y los cálculos con unidades, son significativamente más rápidas. Las mejoras de rendimiento en Maple 2026 incluyen: El rendimiento de los cálculos que implican cantidades con unidades ha mejorado notablemente en Maple 2026, especialmente en comparaciones, operaciones por partes y operaciones básicas. La inicialización del vector de punto flotante por hardware se ha optimizado aún más. La resolución de algunos sistemas polinomiales es más rápida gracias a un nuevo subalgoritmo en Groebner [ RationalUnivariateRepresentation ]. Este comando, que es invocado por comandos de Maple de nivel superior, utiliza computación paralela y es considerablemente más rápido para sistemas grandes.
Minicursos en la Conferencia COMSOL ¡Le invitamos a asistir a la Conferencia COMSOL 2026 en Cambridge! Acompáñenos del 23 al 25 de septiembre en Churchill College para reunirse cara a cara con líderes de la industria y ampliar sus habilidades en modelado y simulación. En la conferencia, podrá elegir entre más de 20 minicursos impartidos por ingenieros de aplicaciones de COMSOL, que abarcan el modelado en una amplia gama de disciplinas de ingeniería. ¡Vea a continuación un adelanto de lo que puede esperar del minicurso de este año sobre modelado y simulación acústica! Minicurso: Acústica El módulo de acústica complementario para COMSOL Multiphysics® permite a ingenieros y científicos modelar una gran variedad de fenómenos acústicos utilizando modelos y solucionadores acústicos especializados. Esta sesión ofrecerá una visión general de las capacidades del Módulo Acústico, destacando las últimas funciones y características disponibles en el software. También veremos cómo configurar y analizar los resultados de una simulación sencilla de un sistema de silenciador. ¡Haz clic en el enlace de abajo para obtener más información sobre lo que ofrece la conferencia de este año!
Maple 2026.1 es una actualización de mantenimiento para Maple 2026. Contiene correcciones y mejoras para Maple 2026 en diversas áreas, entre las que se incluyen: Mejoras de accesibilidad Compatibilidad ampliada con la navegación por teclado en todo el producto. Compatibilidad mejorada con lectores de pantalla Se ha añadido un acceso directo al modo de accesibilidad en el menú Inicio de Windows. Se ha añadido la opción de excluir el contenido de la hoja de cálculo del procesamiento del Asistente de IA. Mejoras en el rendimiento y la usabilidad de la función Explorar. Mejoras adicionales a la nueva funcionalidad Plotting Themes introducida en Maple 2026. Se corrigió un problema que, en algunos casos, impedía que los usuarios con caracteres especiales en su nombre de usuario de Windows utilizaran el Asistente de IA. Mejoras en el motor matemático, incluyendo las funciones sum, evala y dsolve/numeric. Obtener la actualización En Maple 2026, desde el menú Herramientas, seleccione Buscar actualizaciones y siga las instrucciones. Si esa opción aparece atenuada, significa que la función "Buscar actualizaciones" no está habilitada. En su lugar, puede descargar la actualización haciendo clic en el enlace que aparece más abajo.
Por Alyssa Sarro. Por qué la configuración de la simulación ralentiza a los equipos Crear un modelo de simulación puede parecer un proyecto en sí mismo. Trazar los procesos, definir la lógica y asegurar que todo se conecte correctamente suele llevar tiempo, especialmente para equipos nuevos en simulación o que trabajan con plazos ajustados. Cuando la configuración tarda demasiado, el análisis se retrasa. Los cuellos de botella persisten y se pierden oportunidades para mejorar el rendimiento. Las últimas actualizaciones de Simul8 se centran en simplificar la creación y el uso de modelos. Gracias a las funciones de Creación rápida y Plantillas guiadas, los equipos pueden pasar de la ideación a la implementación con mayor rapidez, sin sacrificar la precisión ni la estructura. Creación rápida: una forma más sencilla de crear modelos. ¿Y si la parte que más tiempo consume en la configuración de la simulación dejara de ser un obstáculo? Quick Build elimina uno de los mayores impedimentos: la configuración del modelo. En lugar de dibujar diagramas de flujo o escribir lógica compleja, los usuarios ahora pueden crear simulaciones introduciendo los detalles del proceso en cuatro tablas estructuradas: llegadas, actividades, rutas y recursos. Una vez definidas, Simul8 genera automáticamente un[…]
Por Pushkar Saraf. La ingeniería es el arte de gestionar la complejidad. En Carnegie Mellon, aprendí que los grandes ingenieros manejan simultáneamente múltiples capas de requisitos, limitaciones y compensaciones, traduciendo ese modelo mental en sistemas que funcionan. Ya sea software, puentes o baterías, dependemos de los ingenieros para que el mundo sea confiable. Sin embargo, al trabajar con herramientas avanzadas como COMSOL, esa capacidad mental suele verse mermada por la propia mecánica del software. Los ingenieros dedican horas a la limpieza de la geometría, a resolver problemas de mallado, a configurar las condiciones de contorno y a descifrar los errores del resolvedor. Estas tareas son necesarias, pero no son ingeniería, sino gestión de software. En Cosmon, nos planteamos una pregunta sencilla: ¿Qué pasaría si dejáramos de lidiar con nuestras herramientas y volviéramos a centrarnos en resolver el problema? Para responder a esta pregunta, creamos Nexus, el primer agente de IA para ingenieros que fabrican productos físicos. Poniendo a prueba a Nexus Por supuesto, la "IA" es la palabra de moda de la década, y los ingenieros se muestran escépticos, con razón y profesionalidad. No queríamos crear un chatbot que escribiera poesía sobre física; queríamos un sistema que realmente entendiera física[…]
Desde hoy Minitab Statistical Software (tanto la versión web como la de escritorio) dispondrá de Gráficos de Control Interactivos Ahora permite explorar los gráficos de control de subgrupos, individuos y atributos de forma más eficaz gracias a la navegación interactiva y una mayor consistencia visual, lo que facilita y agiliza la detección de patrones y causas especiales. Gráficos de variables para individuos y subgrupos Gráficos de atributos Minitab Statistical Software (solo versión de escritorio) Mejoras de Abrir desde el Repositorio Mejora en el flujo de trabajo de edición para gráficos creados desde el menú de Gráficos (excluyendo Graph Builder) Edición de etiquetas del Constructor de Gráficos: Los usuarios ahora pueden modificar el número de decimales que se muestran para las etiquetas de líneas de referencia en gráficos producidos desde el Constructor de Gráficos. Estudio de Gage Tipo 2 Soporte VDA 5: Los estudios de R&R de Gage ahora respaldan los estándares VDA 5 de la Asociación Alemana de la Industria Automotriz. Distribución Normal Plegada añadida al Análisis de Capacidades No Normales y al Sixpack de Capacidades No Normales. Mejoras en la tabla interactiva de variabilidad añadida al Graph Builder Incremento de la magnitud máxima de datos desde 1e+18 a 1e+30[…]
Más herramientas de programación: Los nuevos comandos y opciones de bajo nivel simplifican el código y permiten ofrecer una experiencia más fluida a los usuarios de tu trabajo. Los usuarios de Maple tienen acceso al mismo lenguaje de programación potente en el que está escrita gran parte de la biblioteca matemática de Maple. Algunas de las actualizaciones del lenguaje de programación en Maple 2026 incluyen: Ahora puede crear una base de datos vectorial, o almacén de vectores, utilizando el paquete VectorSearch. Maple 2026 introduce un nuevo tipo, variable, que resulta especialmente útil en combinación con indets o subsindets al extraer variables de una expresión. Un nuevo comando, FileTools:-SuggestName, ayuda a generar nombres de archivos de datos cuando se desea mantener las distintas iteraciones de los datos calculados en el mismo directorio a lo largo de varias ejecuciones. El mecanismo de conversión de tipos, que permite que un procedimiento acepte automáticamente muchas estructuras de datos mientras que en el código solo tiene que gestionar una, ahora proporciona mensajes de error más detallados al usuario para que le resulte más fácil llamar al procedimiento correctamente.
Un equipo de investigadores acaba de publicar en la revista “Materials & Design” de la prestigiosa editorial “Elsevier” un trabajo sobre arrays de nanopilares de aleaciones Cu–Al–Ni con memoria de forma [1], capaces de disipar hasta el 40% de la energía mecánica aplicada (valores de amortiguamiento más del doble que cualquier metal de alta disipación conocido). Como se muestra en la Figura 1, el trabajo combina experimentos in situ en microscopio electrónico con simulaciones de elementos finitos en COMSOL Multiphysics® 6.3, implementando el modelo constitutivo de Souza–Auricchio para reproducir la transformación martensítica superelástica. Las simulaciones no solo validaron los resultados experimentales, sino que revelaron algo inesperado: los llamativos "escalones" en las curvas de histéresis no eran un efecto del material, sino consecuencia de un desalineamiento geométrico de apenas 1,5° en el punzón de carga. La Figura 1 muestra Tres de los autores del artículo realizaron el Máster en COMSOL Multiphysics Modeling de la Multiphysics Modeling School de la Universidad de Málaga [2], formación que se refleja directamente en la solidez y rigor del modelado computacional presentado. Figura 1. Ensayos de nanocompresión in situ y simulación. (a) Micrografía del montaje de nanocompresión in situ para un nanopilar individual de Cu–Al–Ni (∼900[…]
Por Joshua Zable. No soy maquinista. Ni siquiera interpreto a uno en la televisión. Pero a medida que Minitab ha ido adentrándose en el mundo de la fabricación, he aprendido junto a nuestros clientes. Recientemente, aprendí sobre la importantísima "etiqueta verde" en la planta de producción. También aprendí que conseguir tu primera etiqueta verde es un momento para celebrar. Aunque quizás nunca la consiga yo misma, puedo compartir lo que se necesita para obtenerlas y, lo que es más importante, para seguir consiguiéndolas. ¿Qué es una etiqueta verde en la industria manufacturera? Una etiqueta verde es una señal visual de que un producto o proceso ha superado la inspección o cumple con las especificaciones definidas. La idea es sencilla. Lo difícil es conseguir esa etiqueta verde de forma consistente en todos los turnos, líneas y plantas. Requiere tener visibilidad de lo que está sucediendo, comprender por qué está sucediendo y tener control sobre lo que sucederá después. También es importante aclarar que una etiqueta verde no es un estándar formal. Es una señal en el taller que puede representar varias cosas según el contexto: Aprobación de calidad cuando el producto cumple con las especificaciones. Validación del proceso donde el proceso[…]
AERMOD, uno de los modelos de dispersión atmosférica más utilizados en el mundo para analizar las concentraciones de contaminantes en el aire ambiente, se aplica habitualmente a una amplia variedad de emisiones con flotabilidad variable. Una pregunta recurrente sobre el modelo es qué contaminantes puede (o no puede) modelar. El modelo incluye una lista de tipos de contaminantes que se utiliza para identificar el contaminante que se está modelando en una ejecución específica. En AERMOD View, la lista de tipos de contaminantes está disponible en las opciones Pollutant/Averaging de Control Pathway. Lista de identificación de contaminantes en la ruta de control de AERMOD Muchos de los tipos se tratan como etiquetas sin significado especial, ya que AERMOD generalmente no considera las transformaciones químicas. Algunos nombres de contaminantes, solos o en combinación con otras opciones del modelo, pueden afectar la forma en que AERMOD calcula los resultados finales. Consulte la lista a continuación para obtener más detalles sobre estos contaminantes con significado especial: SO2 Activa el uso de una disminución de vida media de 4 horas cuando se utiliza el coeficiente de dispersión urbana. Calcula la distribución de las concentraciones máximas diarias de 1 hora de acuerdo con las National Ambient[…]
Agentes de IA y simulación avanzada en ciencia, tecnología e innovación En los últimos años, la inteligencia artificial (IA) ha dejado de ser una tecnología emergente para convertirse en una infraestructura transversal con impacto real en múltiples ámbitos del conocimiento humano. En la industria, su adopción ya es visible en procesos de optimización, mantenimiento predictivo o análisis operativo. En la investigación científica, la IA está comenzando a modificar profundamente la manera en que se formulan hipótesis, se analizan datos complejos y se diseñan experimentos numéricos. En ambos casos, su impacto va mucho más allá de acelerar cálculos: está transformando la forma misma en que pensamos, exploramos y entendemos sistemas complejos. En ciencia e ingeniería, este cambio adquiere un carácter especialmente profundo. A diferencia de otras revoluciones tecnológicas centradas en la mecanización o la automatización del trabajo físico, nos encontramos ahora ante una transformación que afecta directamente al trabajo intelectual, al proceso de construcción de modelos y al modo en que se produce conocimiento. Tanto la ingeniería industrial como gran parte de la investigación aplicada se sustentan en modelos físicos, leyes bien establecidas y conocimiento experto acumulado durante siglos. La integración de la inteligencia artificial no puede entenderse como una sustitución[…]
El “sputtering” consiste en bombardear una superficie sólida con iones de un gas o un plasma para desplazar sus átomos, permitiendo tanto depositar películas delgadas como eliminar material de forma selectiva. Se usa ampliamente en la creación de circuitos integrados, óptica y dispositivos MEMS [1], y el argón es el gas preferido por su inercia química y su capacidad de desplazamiento. El principal reto del proceso es que múltiples fenómenos ocurren simultáneamente: generación de plasma, bombardeo iónico y cambios morfológicos en la superficie. Controlar parámetros como la presión del gas, el potencial de ionización o el voltaje del sustrato es esencial para obtener buenos resultados. Aquí es donde la simulación marca la diferencia, permitiendo optimizar el proceso y reducir costosos experimentos físicos. En COMSOL Multiphysics®, el Módulo de “Particle Tracing” permite modelizar este fenómeno con precisión. En el modelo tutorial “Modeling Argon Ion Sputtering on a Silicon Surface” [2] disponible en la galería de aplicaciones de COMSOL Multiphysics® podemos encontrar un ejemplo práctico sobre esta temática. La Figura 1 muestra un esquema del modelo. Figura 1. Esquema del modelo implementado en COMSOL Multiphysics® para estudiar el fenómeno de “sputtering” de argón sobre silicio. Se utiliza la interfaz “Charged Particle Tracing”[…]
Prueba otro, y otro más: el generador de problemas de práctica de Maple es mejor que nunca, para que los estudiantes puedan seguir practicando con problemas similares en aún más áreas de las matemáticas, hasta que se sientan seguros. ¡Y mucho más! Maple 2026 refuerza su apoyo a la enseñanza y el aprendizaje de las matemáticas con herramientas mejoradas que ayudan a los estudiantes a desarrollar su comprensión a través de la retroalimentación, la práctica y las soluciones guiadas. Los comandos de Práctica y Retroalimentación, Practice and Feedback, de Maple analizan la solución del estudiante y proporcionan retroalimentación sobre cada paso, no solo sobre el resultado final. Maple 2026 mejora los algoritmos subyacentes para reconocer más tipos de problemas e interpretar el razonamiento del estudiante con mayor precisión. La función Prueba otro, "Try Another", que genera problemas con características similares a la pregunta original, se ha mejorado para identificar y reproducir más características en la expresión original, como un factor común en los coeficientes de un polinomio o funciones trigonométricas anidadas. Se han reforzado aún más las soluciones paso a paso a problemas matemáticos estándar, abordando incluso más problemas de resolución y simplificación, y mejorando los resultados de los problemas[…]
Por Oliver Franz. Los entornos de investigación y desarrollo suelen operar con incertidumbre. Es posible que el comportamiento de los materiales no se comprenda del todo. Las interacciones entre variables pueden ser no lineales. Los presupuestos experimentales y las cantidades de material suelen ser limitados. La experimentación no estructurada ralentiza el aprendizaje. El diseño moderno de experimentos (DOE, por sus siglas en inglés) permite a los equipos de investigación extraer la máxima información de un número limitado de ensayos, al tiempo que construyen modelos predictivos en una etapa más temprana del ciclo de desarrollo. Minitab DOE by Effex, ahora parte de Minitab, se centra en mejorar la eficiencia experimental y el desarrollo de modelos para trabajos exploratorios. Aquí presentamos tres maneras en que los equipos de I+D pueden fortalecer su enfoque de diseño de experimentos (DOE) y acelerar el aprendizaje. 1. En las primeras etapas, el Diseño de Experimentos debería priorizar la densidad de información. Los diseños factoriales completos no siempre son factibles en entornos de investigación. Minitab DOE by Effex permite evaluar diseños basados en modelos eficientes en términos de D-, A- e I- (Determinación, Promedio e Integración), que priorizan la ganancia de información en relación con el número[…]
© 2026 Addlink Software Científico
info@softwarecientifico.es - 902 43 00 38