Noticias
Cómo afrontar la primera simulación por elementos finitos de un fenómeno que nunca has estudiado
Las simulaciones por elementos finitos abarcan un numeroso campo de fenómenos y posibilidades. Como ingeniero CFD/FEM es muy probable dominar cierto tipo de simulaciones, pero no conocer en profundidad muchas otras. Bien sea por la necesidad de abordar un nuevo tipo de proyecto o para ampliar los conocimientos propios, tarde o temprano nos será imprescindible aprender a desarrollar nuevos tipos de simulación. Para que el proceso sea lo más liviano posible, en este artículo dejaremos algunos consejos que te permitirán superar esta tarea.
Índice de contenidos
Define perfectamente cuál es tu problema.
Simular es una palabra muy amplia. Una simulación puede hacerse para estudiar una variable concreta en un punto determinado, observar el campo de diferentes variables en una superficie o volumen específico, analizar la evolución temporal de una variable, etc. Céntrate en cuál es tu objetivo, definiendo perfectamente cuales serán tus inputs y cuales tus variables a analizar. Si es un fenómeno muy alejado de los que sueles estudiar, empieza por un problema básico en régimen permanente del cual analices una o dos variables en alguna región concreta, por ejemplo, la salida del volumen de control. Aunque el objetivo final sea más ambicioso que esto (y en ocasiones ni siquiera lo es), una vez validamos esta primera simulación contaremos con las suficientes garantías para desarrollar retos más complejos.
Plantea una simulación que puedas verificar.
Seguramente, este punto es el más importante de todos. A la hora de plantear la simulación, es de vital importancia que puedas comparar el resultado con algún dato real o solución analítica aproximada. De nada sirve invertir horas en simular si una vez que has acabado no tienes ningún dato que te permita garantizar que el resultado es correcto. Que una simulación termine y converja correctamente solo significa que el caso está bien configurado, pero esto no quiere decir que hayas reproducido el problema que querías estudiar. Si dispones de datos experimentales y la solución no concuerda, podrás investigar en que punto has cometido algún error, o incluso comprobar que ese tipo de simulación requiere una mayor complejidad que el caso que has preparado. Por supuesto, debes cerciorarte de que los datos experimentales se han medido correctamente o que la solución aproximada tiene validez, ya que puede que tu simulación sea correcta y estés buscando errores donde no los hay. Si no eres capaz de obtener ninguno de estos datos, pero te interesa conocer cómo se configura el caso para ese nuevo tipo de fenómeno, puedes plantear la simulación en dos softwares distintos y verificar que el resultado concuerda.
Busca información específica.
Puede parecer algo muy obvio pero lo cierto es que, en ocasiones y debido a nuestros propios conocimientos y experiencia, tendemos a intentar desarrollar todo por nosotros mismos. Si quieres estudiar algo, probablemente alguien ya lo haya estudiado. Hoy en día es sumamente fácil encontrar información relativa a casi cualquier problema en la red, ya sea en artículos científicos, videotutoriales o blogs de particulares. Pero cuidado, no dejes que los árboles te impidan ver el bosque. Si tienes muy claro el fenómeno a simular y tu variable objetivo, usa estas palabras como términos clave de la búsqueda.
Evalúa que software es el más recomendado para hacerlo.
A la vez que haces la búsqueda en las redes, debes informarte también sobre que software ofrece las mayores ventajas para resolver la simulación. Existen softwares que tienen módulos específicos y mucho más rápidos para resolver problemas concretos. Obviamente, esto dependerá de la disponibilidad que cada uno tenga, pero nunca está de más conocer cuál es el mejor software para realizar algo concreto.
Evalúa el grado de complejidad que requiere tu simulación.
Esto puede ser difícil la primera vez que estudias un fenómeno, pero es importante tenerlo en cuenta. Un error común suele ser pensar que cuanto más detallado y complejo construyamos el modelo, mucho mejor, pero no es necesariamente así. El grado de complejidad requerido para una simulación depende únicamente de los objetivos. Para que se entienda mejor, pondremos un ejemplo sencillo. Supongamos que queremos resolver una estructura metálica formada por perfiles de distinto tipo, de la que únicamente nos interesa conocer la deformación máxima de un determinado perfil, para una ingeniería básica. Podemos construir el modelo 3D de cada una de las barras, mallarlo, resolverlo y evaluar las deformaciones y niveles de stress. Con casi toda seguridad nos enfrentaremos a dos problemas en este proceso: realizar un correcto mallado y la presencia de singularidades a la hora de evaluar los resultados. Problemas que, si bien podremos superar, nos llevarán una importante cantidad de horas (y quebraderos de cabeza). Para una ingeniería básica de este tipo, existen softwares que permiten construir estas estructuras en 2D, y asignar la forma de perfil a cada barra (estándar o definido por nosotros). La malla en 2D se realiza de forma casi instantánea y las singularidades desaparecen, obteniendo un buen resultado en muy poco tiempo.
Conclusión final.
Finalmente, solo queda añadir que a la hora de realizar una simulación no debemos ser meros usuarios del programa en cuestión. Es decir, cuando realicemos una simulación tenemos que estar completamente seguros de entender la física que ocurre tras el problema. Por ejemplo, si estamos tratando de resolver un problema de transferencia de calor y queremos determinar la temperatura en una superficie, deberíamos adicionalmente verificar que los flujos de calor simulados tienen sentido, si las DTLM obtenidas a la entrada y a la salida del volumen de control son posibles, chequear que los patrones de fluidos siguen los caminos esperados en caso de que los hubiera… Si resuelves el problema, pero no has realizado todo lo anterior solo habrás recorrido la mitad del camino ya que puedes haber cometido errores sin haberte siquiera percatado de ellos.