Portfolio
La combinación modelos numéricos «físicos» con modelos reducidos basados en redes neuronales, permite la realización de simulaciones complejas y extensas en tiempo real. Esta innovadora aproximación permite capturar con precisión los aspectos fundamentales de los sistemas físicos mientras aprovechando la eficiencia y la velocidad de los modelos de redes neuronales para agilizar los procesos de simulación. Este enfoque híbrido no solo garantiza la precisión de los resultados, sino que también mejora significativamente la capacidad de respuesta y la velocidad de las simulaciones, proporcionando así a nuestros clientes una herramienta poderosa y eficaz para abordar una amplia gama de desafíos en tiempo real.
- Curva tensión deformación plástica de vainas de combustible a partir del ensayo de tracción en anillo.
- Curva tensión deformación plástica de vainas de combustible a partir del ensayo de compresión diametral
- Curva tensión deformación plástica del acero A533 a partir de ensayos de tracción en probeta entallada
- Curva tensión deformación plástica a partir de nanoidentación con punta esférica.
- Energía de fractura de vainas de combustible hidruradas a partir de ensayos de compresión diametral.
- Tenacidad de fractura de aceros de vasija a partir de ensayos de tracción en probeta entallada
Los resultados de estos trabajos se han recogido en artículos publicados en congresos y revistas de investigación de reconocido prestigio internacional. La triple combinación de experimentación, cálculo numérico y algoritmos de optimización permite obtener propiedades mecánicas de materiales tales que al introducirlas como dato en la modelización numérica ajusten de forma óptima los resultados experimentales. Gracias a esta metodología es posible determinar las propiedades mecánicas y de fractura de materiales en condiciones límite, donde no es posible realizar ensayos mecánicos normalizados.
- Modelización avanzada mecánica: Hemos implementado en ANSYS y ABAQUS materiales con comportamiento plástico y viscoplástico (creep) complejo por medio de subrutinas de usuario (UMAT o USERCREEP).
- Modelización avanzada en fractura: Modelizamos el proceso completo de fractura de materiales siguiendo la teoría de la fisura cohesiva por medio de elementos de usuario (UEL) en ANSYS y ABAQYS.
- Modelización avanzada térmica: implementación numérica de modelos térmicos con PCMs, materiales que sufren un cambio de fase de sólido a líquido, considerando dos posibilidades: la ley de entalpía o el calor específico.
- Modelización avanzada hygrotérmica: Los modelos higrotérmicas consideran el flujo de calor, aire y humedad en el interior de materiales porosos, resolviendo las ecuaciones de transporte de calor y humedad. La implementación de modelos de calor, aire y la humedad se ha realizado por medio de ecuaciones de usuario en FLUENT.
- Modelización avanzada en CFD: En los modelos CFD hemos considerarado ecuaciones de contorno complejas como «Wind Driven Rain» o «rainwater run-off».
- Plug-in ad hoc
- ABAQUS menu
- Calculos paramétricos en ABAQUS, ANSYS WORKBENCH
- Scripting en PYTHON.
- Simetría cíclica en contactos
- Simetría cíclica seleccionando grados de libertad
- Cálculos en control de desplazamiento de un nodo sin carga aplicada
- Automatización a partir de lenguajes de programación como Python, Matlab o JavaScript, que permite desarrollar soluciones personalizadas con gran flexibilidad y precisión.
- Automatización Robótica de Procesos utilizando software específico como Robocorp, ideal para integrar y automatizar tareas repetitivas en diferentes plataformas y aplicaciones.
Con nuestros servicios, reducimos los esfuerzos manuales y mejoramos la productividad de procesos de cálculo complejos, adaptándonos a las particularidades de cada industria.
Los AMS-Agents están basados en LangChain y en un conjunto de herramientas propias que facilitan la modificación y reutilización de scripts en Python, así como de archivos de entrada para LAMMPS, CalculiX y COMSOL Multiphysics, simplificando los cálculos numéricos
Con este agente, los equipos pueden ejecutar barridos de parámetros, DOE (Design of Experiments) y bucles de optimización, manteniendo control de versiones, logging y validaciones automáticas (rangos, unidades y calidad de malla).
Una vez validada la geometría, se pasa al segundo paso, en el que se incluyen las estrategias de mallado. Tras validar la malla, se aplican las condiciones de contorno, cargas, temperaturas y parámetros del solver, generando automáticamente un archivo .inp listo para su ejecución.