Artículos técnicos sobre CFD, biomimética, ingeniería de materiales y todo lo que hay entre medias. Sin hype, sin marketing — solo ciencia aplicada.
Cómo la simulación computacional permite iterar cientos de geometrías sin necesidad de prototipos físicos. Un caso real de optimización aerodinámica usando OpenFOAM y algoritmos genéticos.
Los micro-surcos de la piel del tiburón reducen la fricción un 9.9%. Analizamos la física de superficies, cómo replicarla en composites y qué aplicaciones industriales están surgiendo.
El apilado de láminas define rigidez, peso y resistencia. Cómo el análisis FEA permite predecir el fallo de primera lámina, la delaminación interlaminar y la dirección óptima de fibra en cada capa.
El método Volume of Fluid (VOF) permite capturar la interfaz entre dos fluidos inmiscibles. Desde la ventilación de cavidades hasta la cavitación en hélices, desglosamos sus fundamentos y aplicaciones.
El panal hexagonal es la estructura de máxima resistencia con mínima densidad que existe en la naturaleza. Analizamos su geometría, cómo se modela por elementos finitos y sus aplicaciones en sándwich ultraligeros.
La fusión por lecho de polvo (LPBF) permite geometrías imposibles por mecanizado tradicional. Desde el diseño orientado a AM hasta las tensiones residuales y los tratamientos post-proceso.
Comparativa de modelos de turbulencia en OpenFOAM: k-omega SST frente a Spalart-Allmaras. Cómo elegir el modelo adecuado según el régimen de flujo y los recursos disponibles.
Comparativa LES vs RANS: cuándo la simulación de grandes remolinos justifica su coste computacional y cómo configurar una LES en OpenFOAM para aplicaciones industriales.
Los tubérculos del borde de ataque de la ballena jorobada retrasan el stall y mejoran el rendimiento aerodinámico. Física, diseño paramétrico y validación CFD.
La hoja de loto se limpia sola gracias a una nanoestructura jerárquica. Cómo replicar este efecto en composites, metales y polímeros para aplicaciones industriales.
El algoritmo genético de ordenamiento no dominado (NSGA-II) explicado paso a paso: dominancia de Pareto, crowding distance, selección por torneo y elitismo.
Cuando cada evaluación CFD cuesta horas, la optimización bayesiana encuentra el óptimo con 10 veces menos iteraciones usando Gaussian Processes como surrogate.