Es la combinación de ecuaciones diferenciales parciales, métodos numéricos e informática que permite resolver sistemas complejos en 3D o 2D.
El coste de cálculo suele ser elevado y no puede utilizarse directamente para la supervisión en tiempo real.
Software: OpenFOAM – Ansys.
Las ecuaciones diferenciales ordinarias nos permiten representar los cambios temporales de un sistema, asumiendo homogeneidad espacial. Usando una estrategia de compartimentos, también se pueden modelar sistemas heterogéneos.
El coste computacional no es elevado, por lo que podría utilizarse directamente para el seguimiento en tiempo real.
Software: Matlab – Python
Corresponden a la búsqueda de correlación entre el conjunto de datos de entrada y de salida (y viceversa) con el fin de realizar predicciones precisas sin tener en cuenta los principios fundamentales que rigen el proceso específico.
Permite procesar una gran cantidad de datos de diferentes categorías de sistemas que son difíciles de modelar de otro modo.
Software: Python.
La modelación híbrida combina de forma integral técnicas de CFD, EDO y Machine Learning. En este enfoque, los modelos mecanicistas (CFD/EDO) generan volúmenes de datos de alta calidad para calibrar y validar los modelos de Machine Learning, asegurando su robustez y confiabilidad. Además, desarrollamos modelos basados en EDO simplificados, optimizados para ejecución en tiempo real.
Estos se alimentan de simulaciones CFD detalladas, las cuales, debido a su alta demanda computacional, se procesan de manera asincrónica. Esta arquitectura nos permite ofrecer soluciones precisas y ágiles para la supervisión y el control de procesos industriales.
