Memorias del 3er Congreso I

La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
286
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Potencial de los laboratorios del itm en el análisis cfd para la
innovación en Ingeniería
Itm laboratories´s potential in cfd analysis for engineering
innovation
Jaime A. Riascos
Estudiante VII semestre Ingeniería Mecatrónica; Líder del Semillero en Computación
Avanzada, Diseño Digital y Procesos de Manufactura (SeCADD-ProM), rama de Prototipado
y Manufactura, de la línea en Computación Avanzada, Diseño Digital y Procesos de
Manufactura (CADD-ProM) del grupo de Materiales Avanzados y Energía (MATyER), ITM.
Correo electrónico: [email protected]
Diego A. Hincapié
Ingeniero Mecánico; Magíster en Ciencias Físicas, Doctor en Física (candidato); Docente
ITM, tutor del Semillero en Computación Avanzada, Diseño Digital y Procesos de
Manufactura (SeCADD-ProM), rama en Ingeniería y Modelado físico, de la línea en
Computación Avanzada, Diseño Digital y Procesos de Manufactura (CADD-ProM) del grupo
de Materiales Avanzados y Energía (MATyER), ITM.
Correo electrónico: [email protected]
Juan G. Ardila
Ingeniero Mecánico, Magíster en Gestión Energética Industrial (candidato); Docente ITM,
tutor del Semillero en Computación Avanzada, Diseño Digital y Procesos de Manufactura
(SeCADD-ProM), rama de Prototipado y Manufactura, de la línea en Computación
Avanzada, Diseño Digital y Procesos de Manufactura (CADD-ProM) del grupo de Materiales
Avanzados y Energía (MATyER), ITM. Correo electrónico: [email protected]
Resumen
Las principales problemáticas que presenta la industria se centran en la optimización
de procesos, productos y activos. La ingeniería asistida por computador (ComputerAided Engineering - CAE) se utiliza para estudiar y solucionar dichas problemáticas.
CAE representa diferentes procesos y sistemas de ingeniería por medio de
simulaciones avanzadas; consiste en diseñar un modelo virtual y experimentar,
con la finalidad de comprender el comportamiento del sistema o evaluar nuevas
estrategias, dentro de los límites impuestos por un cierto criterio, para determinar y
proponer el funcionamiento ideal del mismo. La dinámica de fluidos computacional
(Computational Fluid Dynamic - CFD) es una de las ramas de la mecánica de fluidos
que, a través de métodos numéricos y algoritmos, estudia y analiza problemas que
involucran fluidos en movimiento, solucionando las ecuaciones de Navier-Stokes,
transferencia de calor, reacciones químicas, entre otras, por medio de software para
computadoras. El Instituto Tecnológico Metropolitano (ITM) conoce la importancia
del modelado y simulación en los procesos de diseño tanto a nivel conceptual como
detallado, por ello ha invertido en la implementación de laboratorios avanzados
287
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
con disponibilidad de licencias en software y un hardware de gran potencia.
Este trabajo propone presentar resultados de los laboratorios de modelado
y simulación del ITM como una herramienta de soluciones a problemáticas
asociadas a la mecánica de fluidos, transferencia de calor y materiales, para la
industria e instituciones a nivel regional y nacional. Se ha logrado el acercamiento
de la industria y la academia regional, pero se busca la inter-institucionalidad del
ITM al nivel nacional e internacional.
Palabras clave: Modelado, CFD, CAE, ITM.
Abstract
Principal problems presented at industry, focus on optimization of processes,
products and assets. Computer Aided Engineering (CAE) is used to study and
solve these problems. CAE represents different engineering processes and
systems through advanced simulations; consists designing a virtual model and its
experiment, in order to understand system behavior or evaluate new strategies,
inside limits imposed by a certain standard to determine and propose ideal
performance. Computational fluid dynamics (CFD) is a branch of fluid mechanics
that study and analyze problems involving fluid motion through numerical methods
and algorithms, it solve Navier-Stokes ecuations, heat transfer, chemical reactions,
among others, in computer software. Instituto Tecnológico Metropolitano (ITM)
knows importance of modeling and simulation in design processes both at
conceptual as detailed level, consequently has invested in implementation of
advanced laboratories with availables licenses, in a high-powered hardware and
software center. This work aims to present results of modeling and simulation
ITM´s laboratories as a solutions tool to problems related to fluid mechanics, heat
transfer and materials for industries and institutions, at regional and national
level. Has been achieved approach of regional Academy and industry, but seeks
inter-institutionalisation of ITM at national and international level.
Key words: Modelling, CFD, CAE, ITM.
1. Introducción
La época actual se ha caracterizado por el desarrollo, material y tecnológico, de
manera fulminante y potente; el fenómeno de la exploración tecnológica, y la
apropiación de ésta, se apoya en un crecimiento rápido del conocimiento científico,
lo cual impulsa el desarrollo del mismo. Por todo esto, a medida que pasa el tiempo
y se lleva a cabo una revolución científico-tecnológica, se es evidente la importancia
que tiene la investigación para el avance industrial, económico y social; se debe a
esto, la gran relevancia que tiene la vinculación entre academia e industria, para
lograr así objetivos comunes, enfocados a las necesidades actuales del hombre
(Villanueva, 2003). Se reconoce en sí, la necesidad que tiene la investigación
académica para penetrar el mundo industrial y del desarrollo tecnológico; es aquí
donde se visualiza la falencia que los investigadores tienen en cuestiones de
288
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
orientar sus trabajos hacia una aplicación específica y que genere algún tipo de
desarrollo o innovación. Términos cómo la investigación básica e investigación
aplicada juegan un papel muy importante a la hora de distinguir la orientación
que se le da a un trabajo de índole científico.
La investigación básica consiste en la realización de trabajos experimentales o teóricos,
principalmente para adquirir nuevos conocimientos acerca de fundamentos profundos
de los fenómenos y hechos observables, esto con el fin de formular y comprobar
hipótesis, teorías o leyes. Generalmente, este tipo de investigación se lleva acabo para el
avance de conocimiento, sin ocuparse de trabajar en beneficios sociales o económicos.
Sin embargo, cuando este tipo de investigación es orientada, se realiza con la expectativa
de que proporcionará una amplia base de conocimientos adecuados para desarrollar la
solución a problemas actuales o futuros reconocidos. La investigación aplicada, se funda
en la investigación básica, para ser un soporte fundamental en el desarrollo económico y
de la innovación tecnológica; es dirigida, principalmente, hacia una finalidad específica u
objetivo práctico, aplicada para el desarrollo y formulación de ideas en funcionamiento.
Realizar el desarrollo experimental, basados en conocimientos obtenidos a través
de la investigación y la experiencia práctica, consiste en dirigir lo adquirido hacia la
producción de nuevos materiales, productos o dispositivos; la instalación de nuevos
procesos, sistemas o servicios; o para la mejora sustancial de los actuales (Ravi K, Harry
C. & Cynthia W, 2010).
La industria actual tiene la necesidad de hacer investigación aplicada, principalmente
por motivos prácticos y económicos, difícilmente se podría hablar de una actividad
seria y actualizada, si ésta no se basa en actividades investigadoras catalogadas y
extendidas o generalizadas (Villanueva, 2003). El emprendimiento de acciones de
investigación y desarrollo, han sido visualizadas por el mundo industrial, a causa de
que existe un alto grado de correlación entre estas actividades con la implementación
tecnológica y avance económico. Los impactos que dichas actividades en el campo
industrial han sido relevantes (Feller, Ailes P. & Roessner, 2002; Petrin & Warzynski,
2012), donde el acople academia-industria ha obtenido avances significativos, por
el hecho de implementar y aplicar, en la línea de acción, el conocimiento adquirido
por la investigación. Empero, este conocimiento se ve limitado por la falta de
inversión en recursos; su principal motivo, el intervalo de tiempo que transcurre
entre un descubrimiento básico y su conversión en un producto de mercado. Es
aquí donde surge la necesidad de efectuar estrategias que permitan, a la industria
o al empresario, llevar a cabo experiencias idóneas con sus procesos en corto
tiempo y con la posibilidad de obtener una optimización de éstos o identificación
de problemas.
Al identificar la anterior problemática, se ha desarrollado una nueva categoría
de herramientas identificadas según (León, 2009) como innovación asistida por
computador (Computer Aided Innovation – CAI), donde se utiliza software para
simular el rendimiento de un proceso o herramienta, con el fin de mejorar el
diseño de productos o ayudar en la resolución de problemas de ingeniería para una
289
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
amplia gama de industrias. CAI incluye la simulación, validación y optimización de
productos, procesos y herramientas de fabricación; ha crecido como respuesta a la
gran demanda de la industria para la fiabilidad de nuevos productos, la proliferación
de softwares ha ido en crecimiento, debido a la ayuda que suministran en acciones
de innovación tecnológica y el desarrollo de nuevos productos, las cuales incluyen
reducción del tiempo y costo de desarrollo, con mayor calidad y durabilidad del
mismo (León, 2009).
El Instituto Tecnológico Metropolitano (ITM), desde su experiencia, busca ofrecer
herramientas alternativas a la dificultad que tiene la industria en desarrollar,
adecuar e innovar procesos. El propósito de este trabajo es presentar al ITM, a sus
laboratorios de modelado y simulación, y sus herramientas CFD, como un centro
de investigación, orientado a la solución de dichas problemáticas; buscando la
integración academia-industria para la realización de proyectos de investigación y
formación conjuntos. Se pretende mostrar el gran potencial de recursos, tanto en
talento humano como físicos, que posee el instituto para la resolución de problemas
de ingeniería asociados a la mecánica de fluidos, termodinámica y materiales, tanto
a nivel regional como nacional.
Se ha logrado la intervención del ITM en la resolución de diversas problemáticas de la
industria local, utilizando las herramientas CFD, generando así el desarrollo de nuevas
estrategias de producción, basados en la innovación y la implementación de nuevas
tecnologías. De igual manera, en el ITM se evidencia la influencia que tiene el semillero
en investigación formativa en computación avanzada, diseño digital y procesos de
manufactura (SeCADD-ProM) en procesos de formación, promoviendo el uso de CFD
para la mayor comprensión en cursos de ingeniería, la formación de competencias,
y el interés de diferentes universidades en la socialización de conocimiento de
dichas herramientas. Sin embargo, se busca la proyección del ITM a nivel nacional
e internacional, catalogándolo como un aliado estratégico, para la solución de
problemas industriales y de investigación, mediante el uso de herramientas CFD.
2. Justificación
Desde la industria, la capacidad de innovación en los procesos de producción
es un indicador de fuerza y vitalidad en una organización, y ha llegado a ser
extremadamente valioso en una economía basada en el conocimiento (McGreal,
Kinuthia & Marshall, 2013). La importancia de las herramienta CAE recae en
su versatilidad en cuestiones de desarrollo e innovación de nuevos diseños de
productos y procesos (Hüsig & Kohn, 2009); resultados de varias investigaciones
muestran el impacto y uso que ha tenido CAE en diferentes campos de la industria
(Rojas, Salas & Julio, 1999; Calderini & Cantamessa, 1997). Una cualidad que se
debe destacar, aparte de lo anterior, es que los métodos CAE han sido utilizados
para el fortalecimiento y el desarrollo de la educación en ingeniería y un cambio
en la visión educativa, al formar a profesionales con destrezas en herramientas de
diseño computacional (Salman & Laing, 2014); concibiendo a CAE como una nueva
290
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
pedagogía de aula debido a la virtualización de sistemas de producción y el análisis
de los mismos (Contreras, Escobar & Trstancho, 2011).
Las aplicaciones CAE soportan una amplia gama de disciplinas y campos de
acción de la ingeniería, algunos son: 1) Análisis térmico y de fluidos, utilizando
CFD. 2) Análisis de esfuerzo-deformación y dinámica de componentes y
conjuntos, abarca los métodos para determinar las tensiones y deformaciones
en materiales y estructuras, sometidas a fuerzas o cargas. 3) Análisis cinemático
y dinámico de mecanismos (dinámica multi-cuerpos). 4) Simulación mecánica
de eventos (MES). 5) Análisis de control de sistemas. 6) Simulación de procesos
de manufactura. 7) Análisis eléctrico y electromagnético de componentes.
8) Optimización de procesos (Benny & Ian F.C, 2003). Enfatizando en la
herramienta computacional CFD; en la industria, el uso de estos códigos tiene
cierta influencia en los estudios que comprometen la mecánica de fluidos y la
termodinámica, en los siguientes estudios se evidencia que la utilización de CFD
ha ido en crecimiento y sus impactos han sido relevantes (Xia & Sun, 2002;
Colombo, Inzoli & Mereu, 2012; Norton, Sun, Grant, Fallon, & Dodd, 2007;
Gosman, 1999). Este comportamiento se basa en que los métodos CFD poco
a poco han ido reemplazando la experimentación, en problemas de fluidos,
esto principalmente se debe a diversos factores, en la tabla 1 se compara la
experimentación con los métodos CFD (Kuzmin, 2010).
Tabla 1. Comparación entre experimentación y simulación. Tomada de: (Kuzmin, 2010).
Experimentación
Simulación
Descripción cuantitativa de los
fenómenos del flujo utilizando
Predicción cuantitativa de los fenómenos del flujo utimediciones
lizando software CFD
- Una cantidad por momento.
- Número limitado de puntos - Todas las cantidades deseadas.
- Alta resolución de espacio y tiempo.
e instantes de tiempo.
- Modelo a escala, según pro- - Dominio con flujos reales.
porciones del laboratorio.
- Realización de estudios de cualquier problema
con condiciones de funcionamiento realistas.
- Gama limitada de problemas a estudiar.
- Barato.
- Costosa.
- Rápido (con un hardware adecuado).
- Lenta.
- Paralelo y de uso múltiple.
- Secuencial y de una sola
función
Fuentes de error: errores en me- Fuentes de error: modelado, discretización, iteración,
dición, flujo perturbado por las implementación, selección inadecuada de solución y
sondas.
análisis de resultados.
291
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Conceptualizando cada ventaja y problemática que tiene la simulación, la industria
busca la implementación de CFD puesto que estos métodos son actualizables y cada
vez se vuelven más sofisticados, generando en la empresa innovación, desarrollo e
investigación (Haidari & Matthews, 2013); parámetros importantes en el crecimiento
económico, social e industrial de cualquier organización. Empero, es propicio llevar
a cabo experimentación con los resultados obtenidos de la simulación; la validación
de los modelos son importantes para verificar el alcance y la certeza de ésta, al
lograr dicha acción, se puede llevar a cabo el desarrollo y la optimización del objeto
estudiado (Choi, Zullah, Roh, Ha & Oh, 2013).
Por otro lado, las empresas que utilizan este tipo de software, son reflexivas al
considerar la importancia que tiene la implementación de estas tecnologías en su
campo laboral, por ello buscan acceder a ciclos de formación o a contratar gente
capacitada en estas competencias. Estas acciones sirven como interlocutoras
entre la universidad y la industria, y pueden llevar a realizar actividades conjuntas
de capacitación e investigación, al tiempo que enriquece la oferta formativa y la
sinergia academia-industria. Además, la industria justifica la inversión en ingeniería
avanzada por la mejora significativa en la toma de decisiones; por la reducción de
costos y tiempo, minimizando los prototipos y las pruebas, esto permite abordar
procesos complejos, inclusive, en etapas iniciales del ciclo de diseño, y por la
calidad, innovación y diferenciación que obtiene, ante la competencia, la empresa
que invierta en nuevas tecnologías para el avance de sus productos.
2.1 Laboratorios de modelado y simulación ITM
El plan que tiene Medellín para 2011-2021, en el campo de Ciencia, Tecnología
e Innovación (CT+ i), involucra fuertemente a Ruta N, como el coordinador de las
iniciativas de ciudad, donde se propone dar prioridad a tres cadenas de producción:
energía, salud y tecnologías de la información y comunicación (TIC), la promoción
de proyectos de ciencia, tecnología e innovación entre los sectores académicos,
productivos y sociales, en particular en las áreas potenciales de nuevos negocios
(ingeniería. redes inteligentes y recursos energéticos con eco-eficiencia), el
manejo de los recursos destinados a tal fin se hará desde los diferentes Centros
de investigaciones reconocidos adscritos a la Alcaldía. El ITM es una institución
pública adscrita a la Alcaldía de Medellín, inicialmente fue constituida por su
vocación en formación técnica y tecnológica a la población de Medellín. En su
crecimiento, ha ido consolidando su posición en la región, la Facultad de Ingeniería,
se funda en el objetivo institucional de formar con calidad en áreas que garanticen
el desarrollo económico, social e industrial de la región y el país. La creación de
nuevos ingenieros que contribuyan a suplir las necesidades de la ciudad, a través
de la producción de herramientas, procesos, mecanismos o sistemas, que lleven al
país a una verdadera transformación y explotación de sus recursos naturales. Desde
aquí se deben identificar las competencias necesarias para la creación de egresados
íntegros y con talentos en diferentes áreas, para ello es necesario la búsqueda de
estrategias de formación orientada a complementar los perfiles ocupacionales de
los egresados, con conocimientos técnicos y de investigación en herramientas y
292
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
sistemas informáticos, con conciencia ambiental y social. Esto debe ser encaminado
en la búsqueda del desarrollo de nuevas tecnologías o la innovación de las actuales.
La Facultad de Ingenierías cuenta con dos grupos destacables: Materiales Avanzados
y Energía (MATyER) y Automática, Electrónica y Ciencias Computacionales (AEyCC).
Con la intención de fortalecer las instituciones de educación superior afiliadas a la
alcaldía de Medellín, y en respuesta al plan de trabajo en CT + i, a través de actividades
de investigación y extensión académica, la administración municipal brinda apoyo
en el desarrollo y el fortalecimiento de infraestructura y recursos de investigación.
El ITM no es ajeno a esta realidad y comprende la importancia de acoplar el mundo
universitario con el industrial, es por ello que se desarrolla un proyecto denominado
“Parque i”, el cual es un sistema integrado de laboratorios destinados exclusivamente
para la investigación. El grupo MATyER gestiona seis laboratorios especializados,
entre los cuales dos se dedican al campo de la simulación, modelado y prototipado;
nacieron de la necesidad de resolver problemas de ingeniería con base en el
modelado y simulación de procesos, desde éstos se ha realizado la tarea de brindar
a los alumnos herramientas y espacios de investigación enfocados en el desarrollo
de capacidades en CAE. La línea de investigación en Computación Avanzada, Diseño
Digital y Procesos de Manufactura (CADD-ProM) surge para apoyar los procesos de
pruebas virtuales y fabricación de los diferentes grupos de investigación y programas
académicos del ITM a través de la utilización de: Laboratorios mecánicos, que forman
sistemas de procesamiento computacional, creación de prototipos y la ingeniería
inversa, especializada en software CAE, para la realización de los diferentes proyectos
de los programas de pregrado, posgrado y extensión. Además, la línea está encargada
de la administración de dichos laboratorios, en donde se llevan a cabo los trabajos
investigativos y de formación del SeCADD-ProM, donde se enfoca el desarrollo de
aptitudes y destrezas en herramientas CAE; dichas competencias son un activo curricular
muy importante, debido a que comprenden un grado de sinergia muy destacado al
exigir un conocimiento profundo y sus interrelaciones en conceptos: dibujo asistido
por computador (Computer Aided Drawing – CAD) para realizar el planteamiento del
problema; física para comprender las leyes y ecuaciones que gobiernan el problemas;
métodos numéricos para entender la aproximación a la solución mediante algoritmos
computacionales, y para tener conciencia de los posibles errores implícitos que se
presenten en un estudio y la validación de los modelos. Sin embargo, se trata de
dirigir este conocimiento por las diferentes áreas que comprende CAE, principalmente
en herramientas CFD, análisis esfuerzos-deformación y electromagnetismo. La
experiencia del semillero ha llevado a consolidar ciertas fortalezas específicas en las
herramientas anteriormente nombradas, más adelante será presentada en la sección
de resultados de este informe.
Entonces el ITM ha invertido en tecnologías actuales de software y hardware
CAE, con estaciones de trabajo avanzadas, además del espacio físico adecuado.
El proyecto “Parque i” es una plan ambicioso en la generación de un sistema
integrado de laboratorios, el cual cuenta con una estructura física capaz de albergar
laboratorios de última generación, del cual se desprenden diferentes estrategias
de desarrollo e innovación con el fin de impactar de manera positiva, a partir de
293
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
la investigación, a la sociedad regional, nacional e internacional. En particular, los
laboratorios de modelado y simulación cuentan con: tres estaciones de trabajo para
simulación computacional CFD compuestas con; doble procesador Inter-Xeon 5650,
seis núcleos (doce núcleos en total), 48 GB RAM-ECC y tarjeta de video 2 GB DDR5.
clúster de cómputo compuesto por 6 torres con doble procesador Intel Xenon E52667 de 2.90 GHz, 32 Gb de memoria RAM, tarjeta gráfica Nvidia Quadro 2000 Gpu
Tesla c2075, seis estaciones de trabajo para simulación computacional de elementos
finitos; doble procesador Inter-Xeon E5-2667, seis núcleos (doce núcleos en total),
32 GB RAM-ECC, tarjeta de video 2 GB QUADRO2000, y tarjeta GPU Tesla C2075,
tres estaciones de trabajo portátil; procesador I7-3920XM, 16 GB RAM DDR3, tarjeta
de video K4000M de 4 GB DDR5, con disco duro de estado sólido, ocho estaciones
de trabajo para modelado; procesador Inter-Xeon 5650, seis núcleos, 12 GB RAMECC y tarjeta de video 2 GB DDR5 y un sistema de cómputo de alto rendimiento HPC
con 16 nodos, cada uno con doble procesador de ocho núcleos y 256 GB de RAM,
para un total de 256 núcleos de procesamiento con 4TB de RAM totales y 48TB de
almacenamiento. En sus laboratorios de simulación y modelado, cuenta con paquetes
comerciales CAE como ANSYS 14.5® y Siemens NX®, que cuentan con módulos CFD
y FEA, además con softwares CAD como Siemens SolidEdge® y PTC Creo®, para el
desarrollo y solución de diferentes problemáticas asociadas a la ingeniería. La
elección de éstos fue impulsada en asociación con Engineering Simulation and
Scientific Software (ESSS) como socio estratégico para la adquisición de licencias y
paquetes CAE, además de la obtención de diferentes cursos de formación. ESSS es
una empresa que busca establecer un vínculo entre la producción científica realizada
por las universidades y la aplicación de estos conocimientos en la industria, buscando
recalcar el dinamismo del mercado y el espíritu investigativo del medio científico;
ofrece soluciones multifísicas (interacción fluido-estructura, acoplamiento fluido/
electromagnético, estructura/electromagnético) y un completo portafolio de
soluciones que abarcan: el fortalecimiento de software de simulación, consultoría y
desarrollo de software personalizado, entrenamientos y soporte técnico (ESSS, 2010).
Con esto, el ITM consolida su posición y potencial en recurso físico para el desarrollo
adecuado de estudios con herramientas CAE. Cabe resaltar, que el instituto está abierto
para cooperaciones y trabajos conjuntos inter-institucionales.
3. Metodología CFD
Actualmente existen numerosos programas CAE, que incluyen el análisis por
elementos finitos (Finite Element Analysis - FEA), Dinámica de fluidos computacional
(CFD), dinámica multicuerpos (Multibody Dynamics - MBD) y optimización, como
ABAQUS®, COSMOS®, PATRAN®, ANSYS®, NX®, STRUDL®, CAEPIPE®, entre otros;
se destaca el software ANSYS® por tratarse de una herramienta versátil en análisis
por elementos finitos, sin dejar a un lado la relación entre calidad del producto y su
coste. Dentro del paquete CAE ANSYS® 14.6 se cuenta con módulos CFD tales como
Fluent® y CFX®, los métodos de simulación CFD, son empleados con el fin de predecir
el comportamiento de los sistemas que poseen como principio de funcionamiento la
294
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
mecánica de fluidos, o incluso evaluar y mejorar equipos existentes, reduciendo el
tiempo y la cantidad de dinero empleados en el diseño y construcción de prototipos,
ya que permiten evaluar distintos modelos, para así determinar su viabilidad, siendo
posible considerar distintos parámetros de operación y geometrías, alcanzando de
esta forma, altos estándares de eficiencia y competitividad.
El proceso típico de CAE consta de un tratamiento previo o pre procesamiento
(modelado), resolución y post procesamiento (resultados); iniciando con el
modelado, el usuario diseña la geometría y sus propiedades físicas, de igual
manera la acondicionada a entornos en forma de cargas o limitaciones aplicadas,
continuando con el proceso, el modelo se resuelve utilizando una formulación
matemática adecuada, fundándose en los fenómenos físicos subyacente que se van
a estudiar, finalmente, los resultados son presentados para su tratamiento y revisión
(Benny & Ian F.C, 2003). Los sistemas CAD son una fuente inicial para todo proceso
CAE (Adejuyigbe, 1997). La ejecución del estudio y los modelos de solución, que
utiliza CAE, se fundan en algoritmos avanzados y métodos numéricos, algunos muy
frecuentes son: FEA, volúmenes finitos (Volume Of Fluid method – VOF), integración
numérica, aproximación trigonométrica, entre otros (Gavrila & Oanta, 2008), VOF
es ampliamente utilizado en herramientas CAE, puntualizando en aplicaciones CFD.
FEA consiste en la aproximación a soluciones numéricas de ecuaciones diferenciales
parciales, asociadas a un problema físico sobre algún cuerpo, estructura o dominio
(medio continuo), la forma de obtención de estas soluciones se realiza a partir de
la división en un número elevado de subdominios (llamados elementos finitos o
volúmenes de control). Un elemento es una representación matemática matricial,
denominada matriz de rigidez, los elementos pueden ser puntuales, lineales,
superficiales, volumétricos y pueden estár en ambientes bi o tridimensionales. Los
nodos son aquellos puntos en común que tienen los elementos, en los cuales existen
ciertos grados de libertad (desplazamiento, potenciales, temperaturas) y acciones
(fuerzas, corrientes, condiciones de contorno) del sistema físico. La discretización del
dominio crea una especie de malla, en la cual se realizarán todos los cálculos, de forma
iterativa, por medio de algoritmos computacionales avanzados hasta llegar a una
convergencia (Zienkiewicz & Morice, 1977). Sin embargo, a pesar de ser herramientas
matemáticas bastantes poderosas, no dejan de ser métodos aproximados, por lo cual
se debe tener un especial tratamiento, ya que la veracidad de las soluciones obtenidas
depende de varios factores, entre los más importantes se tiene; la apta distribución de
la discretización de la región en estudio, la aplicación adecuada de las condiciones de
contorno, la correcta elección del modelo físico y de los materiales que intervienen en
el estudio, entre otros. En resumen, las etapas en la utilización de MEF son: Definición
del problema y su domino, discretización del dominio, Identificación de las variables
de estado, formulación del problema y establecimiento del sistema de referencia,
construcción de las funciones aproximadas de los elementos y determinación de
las ecuaciones en éstos, montaje de las ecuaciones de los elementos e introducción
de las condiciones de contorno, solución del conjunto de ecuaciones acopladas e
interpretación de los resultados (Ferziger & Peric, 1996).
295
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
La metodología CFD no es distinta a la utilizada por CAE, de igual manera consiste
en subdividir el dominio en un gran número de volúmenes de control, creando
una especie de malla que recubre la geometría, en cada elemento se resuelven las
ecuaciones de conservación discretizadas, realizando una matriz algebraica en cada
celda, la cual se soluciona de forma iterativa hasta que el residuo es suficientemente
pequeño (Hüsig & Kohn, 2009). A modo de ilustración, se indica el diagrama de
flujo, Figura 2, de un proceso CFD típico. Cada etapa del proceso comprende una
envergadura propia, la cual se presenta a continuación.
Figura 2. Diagrama de flujo de un proceso CFD. Fuente: Autores.
3.1 Identificación problema a estudiar
Se individualiza el fenómeno, la geometría y la problemática que se va a estudiar,
limitar el estudio y puntualizar en un área específica logrará que los resultados
deseados sean los esperados.
3.2 Modelado geometría real
Se trata de modelar el objeto físico a estudiar por medio de herramientas CAD
(Módulo DesignerModeler® de ANSYS u otras herramientas CAD disponibles).
La veracidad de la representación contribuye a la facilidad de obtener mejores
resultados; ahora, si el objeto lo permite, es posible escalar el modelo, dividirlo
por simetría y estudiar cierta proporción del cuerpo. Es criterio del usuario si desea
modelarlo en 2D o 3D, con el último se alcanza resultados más cercanos a la realidad.
296
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
3.3 Discretización o mallado
Normalmente, los problemas están definidos en dominios continuos, las ecuaciones
que rijan el problema son válidas en todo el cuerpo o en cualquier parte de él. Esto
permite realizar la división del domino en regiones de tamaño finito (elementos),
las cuales están interconectadas, de diferente forma y tamaño, por medio de nodos.
Es cierto que con la reducción del tamaño de los elementos se obtienen mejores
resultados, pero de igual manera, el refinamiento excesivo puede llevar a una
acumulación de sistemas de ecuaciones, provocando impactos negativos a nivel
computacional. De igual manera, mallas toscas o sin refinado conllevan a errores en
convergencia e incongruencias en los resultados, se tienen diferentes criterios de
refinamiento, los cuales parten de unas estadísticas que arroja el software, se basan
en la distribución geométrica adecuada, algunas de ellos son; oblicuidad, calidad
ortogonal, relación de aspecto, entre otras. En el contexto de simulación y mallado,
son conocidas como métricas (Versteeg & Malalasekera, 2007).
3.4 Programación de variables de contorno y modelos de análisis
Con las etapas anteriores no se ha referenciado la naturaleza física del problema,
aquí, se caracteriza el problema a través de modelos físicos y de ingeniería, la
señalización e ingreso de las ecuaciones que rigen el estudio son parámetros que
se establecen en esta instancia, la descripción matemática del fenómeno conducirá
al uso de diferentes modelos presentados por el software, algunos de ellos son;
ecuaciones de momento, ecuaciones de continuidad, ecuaciones de energía,
modelos de turbulencia, multi-físicos, entre otros, al igual de la elección del material
que se va a estudiar, una de las características del software, es la manipulación de las
propiedades de diferentes materiales por defecto, además de su gran variedad. La
limitación del domino, por diferentes regiones, para un estudio puntual de alguna
zona en interés, se lo conoce como condición de frontera. También es indispensable
seleccionar el tiempo de estudio y las propiedades de éste (Sayma, 2009).
3.5 Convergencia
Independiente de la naturaleza del problema, la solución constituye la resolución
de las ecuaciones acopladas, el procedimiento que utiliza el software es a través de
métodos iterativos tales como los métodos de Gauss, factorización de Cholesky; en
aplicaciones CFD, los algoritmos computacionales de mayor uso son los métodos
semi-implícitos para solución de ecuaciones acopladas a la presión (Semi-Implicit
Method for Pressure Linked Equations - SIMPLE, SIMPLER, SIMPLEC, etc.) utilizados
para resolver las ecuaciones de Navier-Stokes en problemas de fluidos (Cheng &
Han, 2000). Los criterios de convergencia que utiliza el software son de reducción
y aproximación, lo cual es configurable a través de monitores, los cuales están
constituidos en un orden de e-5 (ANSYS, 2010). Ahora, tal como se aprecia en la
Figura 2, si el estudio no llega a la convergencia, es ideal y recomendable volver a
restructurar las etapas anteriormente nombradas.
297
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
4. Resultados
4.1 Procesamiento y análisis de resultados
Con la solución de las ecuaciones, se obtienen valores aproximados de las variables en
puntos discretos, nodos, del dominio. Usualmente, estos valores son interpretados y
utilizados en el cálculo de otras cantidades físicas, tales como esfuerzos, deformaciones,
flujo de calor, entre otros. Estos cálculos se conocen como pos-procesamiento. La
comparación de los resultados obtenidos con alguna evidencia experimental u otros
resultados obtenidos dan validez al estudio realizado, la estimación del error involucra
la naturaleza física del problema. El análisis de toda esta información dictamina si el
estudio llega a su fin, cumpliendo con los objetivos iniciales, o si es necesario realizar
la repetición de alguno de los pasos mencionados ya. Sin embargo, es usual realizar el
mismo análisis, comparando los resultados obtenidos, con diferentes discretizaciones,
ya que se es posible la estimación del error y la reducción del mismo.
A partir de todo este conocimiento, se pueden tomar decisiones acerca de la mejora
de procesos y materiales, buscando la innovación y la optimización de los mismos,
ya sea reformando el diseño de las geometrías, para una inmejorable utilización de
los mismos, o para la renovación y cambio de algunas piezas. En la Figura 3 se ilustra
un ejemplo del desarrollo de las anteriores etapas, utilizando CFD en un análisis
multi-físico de una bomba de sangre, se va a estudiar la tensión y deformación a
causa de un fluido de gran presión en la superficie de la bomba, la cual es parte de
un accionamiento neumático del ventrículo izquierdo del corazón Left Ventricule
Assist Device (LVAD) (Charité – Universitätsmedizin Berlin, 2010).
Figura 3. Análisis CFD en una bomba de sangre.
Fuente: (Charité – Universitätsmedizin Berlin, 2010).
Desde SeCADD-ProM se ha seguido la metodología anterior en los diferentes
estudios y proyectos que involucran los métodos CFD, obteniendo resultados
bastantes meritorios, no sólo en la parte industrial, de igual manera en la parte
298
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
académica. Además, el semillero ha buscado integrar estas herramientas en la
pedagogía y enseñanza de la ingeniería, realizando material didáctico para el
desarrollo de cursos avanzados, ilustrando ejemplos de libros y textos, haciendo un
buen uso del software como alternativa para el aprendizaje.
4.2 Resultados alcanzados por SeCADD-ProM aplicando la metodología CFD
El aumento sustancial del uso de herramientas CFD en la industria y academia,
ha sido una gran motivación para que el ITM, desde SeCADD-ProM, pueda
contribuir a la formación de competencias, en estas herramientas, en sus
estudiantes y egresados. El instituto ha logrado ser pionero en la solución de
problemáticas industriales y académicas por medio de CFD, obteniendo grandes
alianzas con empresas y universidades locales, en la búsqueda de desarrollo e
innovación dentro de éstas. En su recorrido, el semillero ha conseguido realizar
los siguientes estudios:
1. Estudio Computacional Fluidodinámico de Cámaras en Espiral Aplicadas a la
Generación de Energía Hidráulica a Microescala (Mejía, Graciano, Villa, Arbeláez &
Hincapié, 2013) (ver Figura 4).
Las cámaras en espiral son elementos constitutivos de vital importancia en las
turbinas de reacción para la generación de energía hidráulica. Este estudio analiza
el comportamiento de diferentes variables de las cámaras en espiral, para lo cual
se utilizarán distintas cinco familias de modelos espaciales: espiral Logarítmica,
Fermat, Galileo, Arquímedes y Polinomica, y siete medidas de diámetros de
entrada de la cámara. Cada prototipo es evaluado con condiciones de frontera
estandarizadas: para esto se construyen modelos virtuales de las cámaras a
partir de ecuaciones matemáticas de las espirales. El comportamiento del fluido
dentro del modelo de la cámara es evaluado mediante dinámica computacional
de fluidos. En el módulo CFX de ANSYS®14.5.A partir de estos modelos, se pudo
establecer que las cámaras basadas en la espiral de Arquímedes con diámetros
de entrada de 100 y 150 mm, presentan el mejor comportamiento dinámico del
fluido, ideales para el diseño de nuevas turbinas.
Figura 4. Estudio computacional fluidodinámico de cámaras en espiral.
2. Análisis Fluido – Dinámico de Hidrociclones en el Proceso de Extracción del
Material Particulado Presente en el Crudo (Vélez, Arismendy, Sánches & Hincapié,
2013) (ver Figura 5).
299
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Los hidrociclones, gracias a la acción de las fuerzas centrifugas y gravimétricas,
consiguen separar las partículas finas por el sobre-flujo y las partículas gruesas
por el bajo-flujo. La mezcla es inyectada a alta presión por la alimentación lo cual
genera un flujo en espiral descendente gracias a la geometría, donde las partículas
más densas se desplazan por el lado interno de la periferia del hidrociclón; luego,
las partículas menos densas se ven desplazadas hacia la parte superior gracias a
las fuerzas de arrastre generadas por un ciclón interno de aire (núcleo de aire),
consiguiendo así el proceso de separación. Se efectúan simulaciones del hidrociclón,
en el módulo FLUENT del software ANSYS® 14.5 donde se realizó el análisis fluidodinámico de la separación. Este estudio permitió concluir que hace falta usar un
sistema de separación por etapas, ya que para obtener una separación que cumpla
con las especificaciones de concentración se requieren distintos tamaños de corte.
Figura 5. Análisis Fluido-Dinámico de hidrociclones.
3. Interacción fluido-estructura turbina Banki (ver Figura 6).
Se realizó el estudio del desarrollo del flujo a través de una turbina tipo Banki y se
analizó la incidencia del fluido en las fallas estructurales de la turbina.
Figura 6. Interacción fluido-estructural turbina tipo Banki.
4. Análisis fluido-estructural de cangilón turbina Peltón (ver Figura 7).
Figura 7. Análisis estructural cangilón turbina Peltón.
300
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
5. Estudio de la Incidencia de Velocidad del Fluido en la Rapidez de Calentamiento
de un Reservorio de Alta en Una Bomba de Calor (Riascos S. & Ardila, 2013) (ver
Figura 8).
En calefacción de piscinas y sistemas de agua caliente sanitaria, ha venido en
incremento la aplicación de bombas de calor que permiten aprovechar la energía
almacenada en un reservorio de muy baja calidad: el aire atmosférico. En estos
sistemas el reservorio de alta es la piscina o un tanque grande de almacenamiento,
donde el tiempo de calentamiento ha sido un factor determinante en la competencia
entre los fabricantes. Se simuló el reservorio de alta de un sistema de bomba de calor
inicialmente quieto, y se estudió la incidencia de incrementar la velocidad angular del
fluido en la rapidez del calentamiento por medio del dominio Fluent® de Ansys 14.6®.
Al final se logró comprobar que agitar el fluido en el reservorio de alta incrementa la
rapidez de calentamiento, pero es necesario evaluar los incrementos en consumos
energéticos del sistema debido al trabajo requerido para la agitación.
Figura 8. Estudio de reservorio de alta con intercambiador de calor en espiral.
6. Análisis Multifasicos, erosión válvula de bola, ver figura 9.
Figura 9. Erosión en válvula de bola, análisis multifasico.
5. Conclusiones y recomendaciones
Los trabajos anteriores demuestran la capacidad que tiene el SeCADD-ProM en el
desarrollo de estudios que involucran herramientas CAE, puntualizando en los módulos CFD. Sin dejar a un lado la experiencia que posee en trabajos que involucran
el análisis estructural, de materiales, electromagnetismo y termodinámico. Y el alcance que ha tenido esta experiencia en empresas locales como E.S. Energía Solar
Ltda., Organización Corona, entre otras, y en la academia con universidades como
301
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Universidad de Antioquia, Universidad Autónoma del Occidente, Universidad Industrial de Santander, Institución Universitaria Pascual Bravo; impulsando el desarrollo
de competencias en CAE. Resultados como estos, impulsan al ITM a proyectarse a
nivel nacional e internacional, buscando cooperación mutua en el estudio de diferentes problemáticas industriales y la solución de las mismas con métodos CAE. De
la misma manera, con instituciones educativas, que comprenden y son conscientes
de la importancia de implementar este tipo de tecnologías en el progreso de sus
programas e investigaciones.
A raíz del impacto que ha tenido el ITM por sus fortalezas CAE, desde el semillero
se ha hecho la ardua labor de involucrar a estudiantes en el campo de la investigación, siendo para ellos una herramienta atractiva para el desarrollo de proyectos.
Además del hecho que se tenga la necesidad de capacitaciones y actividades de formación, el semillero ha fomentado el uso de las herramientas CAE como un método
de enseñanza en ingeniería.
La inclusión de estas herramientas, en el desarrollo curricular de materias avanzadas
de ingeniería, hacen que CAE sea un recurso poderoso para la didáctica y enseñanza
de conceptos que, de cierto modo, son difíciles de asimilar o comprender, la representación de ejemplos, por medio de softwares CAE, puede ilustrar el comportamiento
de diferentes fenómenos físicos y en la corroboración de teorías vistas en clase.
Las competencias CAE generan un valor agregado en el perfil del egresado, es por
ello la motivación del ITM y de diferentes universidades de reformar sus programas
en ingeniería, buscando orientar su educación en el desarrollo de destrezas CAE.
Esto representa un gran reto para la academia, al tener que buscar el recurso necesario para lograr dicho cambio.
El rol que ocupa la tecnología, en la solución de problemáticas en la industria y
academia, juega un papel importante cuando se trata de innovación y desarrollo. La
implementación de estrategias alternativas o poco convencionales, le dan un valor
agregado a los productos y servicios, generando diferenciación con la competencia.
Las herramientas CAE son una de tantas estrategias que pueden dar respuesta a
esta necesidad. El alcance que se logra a través de dichas herramientas es esencial
para la evolución del proceso; ahora, esta metodología brinda al usuario un conocimiento más profundo de su sistema, sin tener que involucrar un cambio físico, sobretodo la variación del mismo, haciendo la manipulación de diferentes variables,
esto apoya de gran manera al momento de diseñar y probar nuevas tendencias de
producción. Sin embargo, y a pesar del gran apoyo que brinda CAE en la solución
de incógnitas, la industria tiene un gran limitante al momento de utilizar estas herramientas, es el poco conocimiento y competencias en el uso de software CAE,
teniendo que recurrir a la contratación de gente con fortalezas en este campo o a la
capacitación de su personal, generando costos y tiempo adicionales. Es por ello la
gran importancia de fomentar, desde la academia, la formación de sus estudiantes
en el uso de este tipo de software, que puedan proporcionar diferentes perspectivas a la hora de la solución de problemas.
302
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Las acciones de investigación, desarrollo e innovación (I+D+I) en la industria y la
academia, se ven influenciadas por la implementación de nuevas tecnologías, o la
optimización de las existentes. Integrar métodos CAE, para el desarrollo de nuevas
prácticas en investigación e innovación, son claves al momento de reconocer y revaluar los procesos de manufactura, y más, si el deseo es diseñar o reformar tales
procesos. Los diferentes conocimientos que se recogen de los análisis CAE son de
gran importancia, al suministrar información veraz que sirve para el crecimiento
institucional y económico de la empresa. Sin embargo, se debe tener gran cuidado
en el uso de dichos softwares, desde la experiencia del semillero, se sugieren las
siguientes recomendaciones:
5.1 En el modelado
Simplificar las geometrías para facilitar el proceso de discretización, realizar escalados, buscar simetrías que permitan reducir el estudio a ciertas proporciones y
buscar realizar análisis en 2D.
5.2 En la discretización
Usar cantidades de nodos y elementos bajos para las pruebas iniciales, pues así
se reduce el tiempo computacional requerido, para la parte final aumentar dichas
cantidades para mejorar la precisión de los resultados. Buscar valores inferiores a
30 para la relación de aspecto, cercanos a uno para la ortogonalidad y lo más alejados posible de uno por debajo para la oblicuidad, pues lo anterior facilita la convergencia de las simulaciones y acerca más los resultados a valores reales, refinar
las mallas cerca de las fronteras representativas del fenómeno pues es de allí de
donde se obtienen las características más relevantes, disponer de mejores métodos
de mallado para poder proseguir con los procesos de simulación en los casos de
geometrías complejas que dificulten la discretización.
5.3 En las simulaciones
En simulaciones fluido-dinámicas emplear los modelos que requieran menor cantidad de ecuaciones diferenciales para su solución y además seleccionar tan solo las
características que se desean evaluar evitando así desgaste del equipo en operaciones que posteriormente no serán usadas, permitiendo reducir el tiempo computacional requerido sin grandes cambios en los resultados. Para el caso de las condiciones de frontera se recomienda utilizar la velocidad del fluido para la alimentación
y presiones para las salidas y el entorno, lo anterior facilita la solución de las ecuaciones diferenciales empleadas por los métodos numéricos, consiguiendo una más
pronta convergencia y resultados con un mayor índice de precisión.
5.4 En el análisis de resultados
La recopilación de la información obtenida por el estudio, debe ser manipulada y recogida de manera adecuada, utilizando los diferentes contornos y expresiones que
ofrece el software para realizar esta acción. Comprobar la congruencia de los datos
303
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
adquiridos por el software con los esperados, tener una mínima idea de lo esperado
hace que el usuario se oriente en la recolección de información. A pesar de ser una
herramienta muy versátil, es preciso corroborar los resultados obtenidos con métodos experimentales, que se asemejen a la situación presentada en la simulación.
Esto con el fin de apoyar la toma de decisiones al momento de diseñar y optimizar.
Aunque el objetivo del ITM, de fomentar el uso de herramientas CAE en la industria e investigación, en gran proporción, se ha cumplido, queda aún abiertas las
necesidades de suplir con egresados competentes e íntegros en conocimientos de
métodos CAE para la solución de problemáticas actuales. Esto con el fin de lograr la
creación de nuevas empresas o, desde las actuales, la realización de tareas de innovación y desarrollo de nuevas tecnologías en la industria. Desde el Instituto, queda
pendiente la acción de explorar a profundidad estas herramientas, que consoliden
al ITM como líder en el modelamiento y uso de métodos CAE para la solución de
problemáticas actuales, tanto al nivel industrial, como académico, y tener una proyección nacional e internacional, buscando la cooperación de diferentes empresas
y universidades en el uso de dichas herramientas.
304
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Bibliografía
Adejuyigbe, S. (1997). Computer - Aided Design and Drafting (CADD) in process modelling of
sand casting. Federal University of technology, Akure.
ANSYS. (2010). ANSYS CFX. Reference Guide. Release.
Benny, R. & Ian, F. (2003). Fundamentals of Computer-Aided Engineering. Hoboken: Wiley.
Calderini, M. & Cantamessa, M. (1997). Innovation paths in product development: An
empirical research. International Journal of Production Economics, 1-17.
Charité – Universitätsmedizin Berlin. (2010). Biofluidmechanik - Application of Computer
Aided Engineering (CAE). Recuperado de http://www.charite.de/biofluidmechanik/de/
forschung/arbeitsgebiete_2.html
Cheng, X. & Han, P. (2000). A note on the solution of conjugate heat transfer problems using
SIMPLE-like algorithms. International Journal of Heat and Fluid Flow, 463-467.
Choi, H.-J., Zullah, M. A., Roh, H.-W., Ha, P.-S. & Oh, S.-Y. (2013). CFD Validation of performance
improvent of a 500kW Francis turbine. Renewable Energy, 111-123.
Colombo, E., Inzoli, F., & Mereu, R. (2012). A methodology fot qualifying indsutrial CFD: The
Q3 approach and the role of a protocol. Computers & Fluids, 56-66.
Contreras B, L. E., Escobar E, I., & Trstancho O, J. A. (2011). Innovación curricular: uso de
las tic como herramienta para el fortalecimiento y el desarrollo de la educación en
ingeniería. Dialéctica - Revista de investigación, 14-25.
Dagani Engineering. (2013). Software Analysis. Recuperado de http://www.dagani.be/
analysis.html
ESSS. (2010). ESSS Engineering Simulation and Scientific Software. Recuperado de http://
www.esss.com.br/index.php
Feller, I., Ailes P. & Roessner, J. (2002). Impacts of research universities on technological
innovation in industry: evidence from engineering research centers. Research Policy,
457-474.
Ferziger, J. & Peric, M. (1996). Computational methods for fluid dynamics. Berlin: Springer.
Gavrila, G. & Oanta, E. (2008). Interpolation Methods Applied in Computer Aided Engineering.
16th Conference on MET “ Safety, Security and Quality Objectives of MET Institutions (pp.
537-551). International Maritime Lecturers’ Association.
Gosman, A. (1999). Developments in CFD for industrial and environmental applications in
wind engineering. Journal of Wind Engineering and Industrial Aerodynamics, 21-39.
Haidari, A. & Matthews, B. (2013). Future Trends for Computational Fluid Dynamics in the
Process Industry. Third International Conference on CFD in the Minerals and Process
Industries. Melbourne: CSIRO.
Huei-Huang, L. (2012). Finite Element Simulations with ANSYS Worbench 14. Mission: SDC
Publications.
305
La construcción de cultura emprendedora y empresarial un reto para América Latina en el siglo XXI:
Memorias del 3er Congreso Internacional de Emprendimiento
Hüsig, S. & Kohn, S. (2009). Computer Aided Innovation - State of the art from a New Product
Development Perspective. Computers in Industry, 551-562.
Kuzmin, D. (2010). Introduction to Computational Fluid Dynamics. Recuperado de http://
www.mathematik.uni-dortmund.de/~kuzmin/cfdintro/lecture1.pdf
León, N. (2009). The future of computer-aided innovation. Computers in Industry, 539-550.
McGreal, R., Kinuthia, W. & Marshall, S. (2013). Open Educational Resources: Innovation,
Research and Practice. Vancouver: Commonwealth of Learning and Ahabasca University.
Mejía R., Graciano U., Villa, D., Arbeláez T. & Hincapié Z. (2013). Estudio Computacional
FluidoDinámico de Cámaras en Espiral Aplicadas a la Generación de Energía Hidráulica a
Microescala. Memorias del evento IXCCMN.
Norton, T., Sun, D., Grant, J., Fallon, R. & Dodd, V. (2007). Applications of computational fluid
dynamics (CFD) in the modelling and design of ventilation systems in the agricultural
industry: a review. Bioresource Technology, 2386-2414.
Petrin, A. & Warzynski, F. (2012). The Impact of Research and Development on Quality,
Productivity and Welfare. Amil Petrin, University of Minnesota, Twin Cities and NBER.
Ravi K, Harry C. & Cynthia W. (2010). Managing research, development and innovation:
managing the unmanageable. Hoboken, E.U: Jhon Wiley & Sons.
Riascos S. & Ardila, J. (2013). Estudio de la incidencia de velocidad del fluido en la rapidez
de calentamiento de un reservorio de alta en una bomba de calor. Memorias evento IX
CCMN 2013.
Rojas L. Salas, B., & Julio. (1999). Producción Automatizada Sistemas CAD/CAE/CAM.
Industrial Data, 38-47.
Salman, H. & Laing, R. (2014). The impact of computer aided architectural design programs
on conceptual design in an educational context (In press). Design Studies.
Sayma, A. (2009). Computational Fluid Dynamics. Ventus Publishing.
Vélez G., Arismendy B., Sánches R. & Hincapié Z. (2013). Análisis Fluido-Dinámico de
Hidrociclones en el Procesos de Extracción del Material Particulado Presente en el Crudo.
Memorias evento I Encuentro de Tecnología e Ingeniería & IX Simposio Internacional en
Energías, 40-42.
Versteeg, H. & Malalasekera, W. (2007). An Introduction to Computational Fluid Dynamics.
Edinburgh: Pearson Education.
Villanueva, J. (2003). La investigación científica y la problemática de la industria farmacéutica.
Ars pharmaceutica, 281-2301.
Xia, B. & Sun, D. (2002). Applications of computational fluid dynamics (CFD) in the food
industry: a review. Computers and Electronics in Agriculture, 5-24.
Zienkiewicz, O. & Morice, P. (1977). The finite element method in engineering sciencia.
London: McGraw-Hill.
306