Tesis en desarrollo de gemelo digital

Informarse sobre el objeto de estudio

Aspectos clave doctorado

En la tesis a realizar se busca el implementar lo que es conocido como un gemelo digital de proceso (GDP). Un GDP consiste en una representación virtual detallada de un proceso de fabricación metalúrgica. Este modelo digital simula y analiza en tiempo real el comportamiento del proceso físico, permitiendo optimizar la producción, prever fallos, mejorar la calidad del producto y reducir costos operativos. Utiliza datos recogidos de sensores y sistemas de control para reflejar con precisión las condiciones y rendimiento del proceso en el mundo real.

Principalmente la tesis consta de las siguientes partes:

Experimental

Realizar ensayos mecánicos con el objetivo de recoger los datos experimentales para alimentar los modelos.

Programación

Implementar métodos numéricos y modelos matemáticos aptos con el fin de simular el comportamiento observado.

Análisis y contrastación

Evaluar la bondad de los resultados simulados frente a los experimentales.

División del trabajo.

La carga de trabajo cae principalmente en la parte de simulaciones y desarrollo de los modelos que conformarán el gemelo digital.

De igual forma la parte concerniente a análisis y contrastación tendrá también un peso significativo..

Experimental

15%

Programación

55%

Análisis y contrastación>

30%

Capturas varias

Se exponen a continuación algunas imágenes relacionadas con el tema de investigación de la tesis.

Algunas micrografias observadas (La información de la muestra es confidencial).
Otras micrografias (Información también confidencial)
Curvas CCT obtenidas experimentalmente. La tesis se centra, entre otros, en los modelos de transformación de fase.
Gráfica de curvas tensión deformación. Otra parte en la que se centra la tesis es en los tratamientos termomecánicos. Se busca simular el comportamiento mecánico observado en ensayos de torsión y tracción entre otros.
Simulación de patrones de difracción
Se emplean en numerosas ocasiones algoritmos basados en descender por el gradiente. En este gif se ilustra el proceso.
Ejemplo aplicación de minimización con pyswarms. En muchas ocasiones no resulta sencillo emplear minimización por mínimos cuadrados, algoritmos gradient-descent, etc. Es en estos casos que se recurre a algoritmos metaheurísticos como los PSO (particle swarm optimization).
×

CONTACTO

Se facilitan algunos medios en caso de requerir de contacto:

20018 Donostia-San Sebastian, Gipuzkoa, ES

Phone: +34 641986786

Email: sfernandezs@unav.es

serfersan

@MatesSergio