VOLVER

Share

Desarrollan un método de optimización para el diseño computacional de aplicaciones industriales

Los investigadores de la Escuela de Ingenierías Industriales de la Universidad de Málaga Francisco Javier Granados Ortiz y Joaquín Ortega Casanova han diseñado una nueva metodología utilizando algoritmos de Machine Learning para predecir qué combinaciones de los parámetros del diseño de un problema van a ser útiles y cuáles no, en función del objetivo que se persiga, y así guiar el proceso de diseño. En concreto, este procedimiento ha sido aplicado al diseño de un mezclador mecánico que produce un aumento considerable de la transferencia de calor/intercambio de masa entre dos fluidos, gracias al desprendimiento de vórtices, lo que se traduce en un flujo de características oscilatorias.

Fuente: Universidad de Málaga


Málaga |
19 de julio de 2021

En el campo de la Ingeniería Industrial el uso de simulaciones para modelar, predecir e, incluso, optimizar la respuesta de un sistema o dispositivo está muy extendido, puesto que resulta más económico y menos complejo -y, a veces, menos peligroso- que construir varios prototipos y testarlos.

Para este tipo de estudios de simulación se utilizan métodos numéricos que, dependiendo del problema a tratar -por ejemplo, disminuir las fuerzas aerodinámicas de un avión cambiando su forma o usar el mínimo material posible en un elemento sometido a cargas sin que se rompa-, requieren simular una elevada variedad de posibles casos combinacionales, lo que implica costes computacionales muy elevados.

Los investigadores de la Escuela de Ingenierías Industriales de la Universidad de Málaga Francisco Javier Granados Ortiz y Joaquín Ortega Casanova han dado un paso más con el desarrollo de un novedoso método de optimización por diseño computacional que, mediante el uso de inteligencia artificial, disminuye estos costes de simulación.

Los investigadores Joaquín Ortega y Francisco Javier Granados, autores de este nuevo método.

Diseños más rápidos y con menor coste

Han diseñado una nueva metodología utilizando algoritmos de Machine Learning para predecir qué combinaciones de los parámetros del diseño de un problema van a ser útiles y cuáles no, en función del objetivo que se persiga, y así guiar el proceso de diseño.

“El uso de este método permite la obtención de diseños optimizados más rápidos al descartar simulaciones de poco o nulo interés y, así, ahorrar costes no solo en construcción de prototipos físicos, sino también de simulación”, explican los investigadores del Área de Mecánica de Fluidos.

En concreto, este procedimiento ha sido aplicado al diseño de un mezclador mecánico que produce un aumento considerable de la transferencia de calor/intercambio de masa entre dos fluidos, gracias al desprendimiento de vórtices, lo que se traduce en un flujo de características oscilatorias. “En función de los parámetros de diseño del mezclador, utilizando nuestro método, hemos comprobado que este flujo puede controlarse y lograr un aumento eficiente del mezclado, pero a la vez una disminución de la caída de presión dentro del mismo”, afirma Ortega Casanova.

Estructura de la mezcla en el microdispositivo bajo diferentes diseños del mismo.

Los resultados de esta investigación han sido publicados en la revista científica Physics of Fluids que, además, ha seleccionado esta publicación como ‘Editor’s Pick’ –publicación destacada por parte del editor-.

El estudio ha contado con la ayuda de manera conjunta de la UMA y la Junta de Andalucía a través de los fondos FEDER de la Unión Europea, así como con fondos del Plan Andaluz de Investigación, Desarrollo e Innovación (PAIDI) 2020, mediante la beca postdoctoral de Granados Ortiz.

Referencia bibliográfica:

Granados Ortiz, F.J. y Ortega-Casanova, J. (2021) Machine learning-aided design optimisation of a mechanical micromixer. Physics of Fluids; (33): 063604 https://doi.org/10.1063/5.0048771


Share

Últimas publicaciones

Revelan el impacto de las cremas solares sobre las praderas marinas de la Bahía de Cádiz
Cádiz | 02 de agosto de 2025

Un equipo de investigación de la Universidad de Cádiz ha demostrado que los ingredientes de los fotoprotectores afectan a la salud de una planta marina propia del ecosistema costero gaditano. El experimento ha evidenciado cómo estos productos alteran tanto su capacidad para absorber carbono como el equilibrio de las bacterias que la rodean, lo que podría comprometer su papel en la protección del litoral y en la lucha contra el cambio climático.

Sigue leyendo
Demuestran como la ‘gamificación’ motiva a los adolescentes al ejercicio físico
Málaga | 31 de julio de 2025

Un trabajo basado en una gamificación de la serie de ficción de ‘Los Vengadores’ realizado por expertos de la Universidad de Málaga ha concluido que a través de pequeñas franjas de quince minutos durante las clases de Educación Física se ha logrado mejorar los hábitos saludables de los adolescentes.

Sigue leyendo
Prueban la efectividad de la participación para mejorar la trazabilidad en el comercio ecológico
Córdoba | 28 de julio de 2025

El Grupo Operativo SPG en el que ha participado la Universidad de Córdoba fomenta el uso de iniciativas participativas para tener una producción y consumo ecológicos y de proximidad más fuertes y articulados.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido