Simulación numérica del equilibrio térmico de cuerpos en contacto aplicando el método Montecarlo
DOI:
https://doi.org/10.55996/dekamuagropec.v2i1.47Palabras clave:
equilibrio, temperatura, Montecarlo, aleatorioResumen
Las condiciones de confinamiento social obligatorio como medida para detener la propagación del COVID-19 ha repercutido en los espacios académicos, de esta manera tanto los estudiantes y docentes universitarios estamos impedidos como medida sanitaria de hacer uso de laboratorios, lo que implica una dificultad para la enseñanza-aprendizaje, sobre todo en asignaturas que tiene un componente práctico u horas de laboratorio de manera considerable, como es el caso de los cursos de física. Es en este contexto que los estudiantes de ingeniería civil del V ciclo, a través del curso de métodos numéricos desarrollaron la simulación numérica de Montecarlo. Para este fin se establecieron varias actividades virtuales, como es el caso de la realización de un taller de capacitación en lenguaje de programación; de la misma forma se llevó a cabo el diseño de un diagrama de flujo o algoritmo para luego implementarlo en códigos de programación BASIC. El objetivo de esta investigación es simular numéricamente el comportamiento térmico del sistema, así como su evolución temporal, por medio de un modelo físico basado en los intercambios energéticos. Este se fundamenta en el comportamiento de las partículas que componen los cuerpos, que en base a su movimiento aleatorio chocan o colisionan con la pared de contacto transfiriendo energía. Esto permite ver la evolución “temporal” del sistema hasta lograr el equilibrio térmico; obteniendo resultados que, para mayores unidades de “tiempo” virtual el sistema tiende a lograr su equilibrio térmico, que comparados con los resultados teóricos se logran márgenes de error cada vez más pequeños. El comportamiento aleatorio de este sistema hace propicio aplicar el método de Montecarlo representando esto una estrategia de aprendizaje generando un “laboratorio virtual” donde se propician aprendizajes significativos a bajo costo.
Descargas
Citas
Achával, P. I., & Di Prinzio, C. (2018). Crecimiento de grano tridimensional con partículas móviles usando método de Montecarlo. Revista Mate-ria, 23(2), 1–8.
Albesa, A. (2010). Simulación Montecarlo de adsor-ción de nitrógeno en un modelo molecular de carbón activado y su comparación con resul-tados experimentales. Avances En Ciencias e Ingeniería, 1(2), 47–58.
Alfaro, J. (2014). Métodos de simulación molecular: Una revisión de las herramientas más actua-les. Ingeniería, 24(2), 117–127.
Balladares, M., Pico, B., & Careta, A. (2017). Aplica-ción de la simulación Montecarlo para la obtencióndeprobabilidadesdedesborda-miento de un río de planicie. JEEOS, 1(3), 79–100. https://doi.org/10.19136/jeeos.a1n3.2180
Campoy, J., Alcarria, R., & González, A. (2015). Estu-dio del comportamiento óptico de pieles utili-zando técnicas de Montecarlo. Revista Inter-nacional de Métodos Numéricos Para Cálcu-lo y Diseño En Ingeniería, 31(3), 161–170.
Castillo, F., Vásquez, R., & Bravo, U. (2013). Simula-ción molecular del equilibrio líquido-vapor de la mezcla N-NCpor simulaciones Montecar-25lo. Avances En Ciencias e Ingeniería, 4(4), 105–115.
Cerón, M. G., González, J., & Monroy, E. (2020). Temperatura y ley cero de la termodinámica. TEPEXI Boletín Científico de La Escuela Superior Tepeji Del Río, 7(14), 70–73.
Chao, C., & Barriga, F. (2014). Análisis comparativo del aprendizaje de los conceptos de calor y temperatura utilizando una simulación digital interactiva y un texto ilustrado. Revista Elec-trónica de Investigación En Educación En Ciencias, 9(1), 40–53.
Corzo, J. (2007). Modelación estocásticadel efecto de la temperatura en la descomposición térmica del NO. Revista Avanzada Científica, 10(2).25
Giancoli, D. (2009). Física para Ciencias e Ingeniería(4° ed., p. 771; Pearson Educación, Ed.). México.
Hewitt, P. G. (2007). Física Conceptual(10° ed., p. 828; P. EDUCACIÓN, Ed.). México.
Manrique, E. (2014). Simulación Montecarlo cinético de la difusión Para optar el Grado Académico de Magister en Física(pp. 1–79). Universidad Nacional Mayor de San Marcos.
Martínez, A., Petit, K., & De Maddah, S. (2014). Ter-modinámica general : una experiencia de formaciónporcompetencias.18(60), 321–333.
Moreno, E., Morales, A., Juárez, A., De Alba, K., & Benavides, A. (2017). Obtención de trayecto-rias subóptimas de temperatura con el método de monte carlo para la maximización de la producción de tomate. Agrociencia, 51(8), 849–866.
Pedreros, R. (2014). Modos de pensar y hablar sobre el equilibrio térmico : significados y contextos de uso en las ciencias de la naturaleza. Tecné, Episteme y Didaxis: TED, (35), 113–132.
Peñafiel,V.,&Andrade,M.(2013).Simulación Montecarlo para registros de precipitación pluvial. Revista Boliviana de Física, 2(I), 21–28.
Resnick, R., Halliday, D., & Krane, K. (2001). FÍSICA1(12° ed., pp. 1–720; Compañía Editorial Continental, Ed.). México.
Ruiz, M., & Ródenas, J. (2016). Aplicación del método Montecarlo al cálculo de la activación neu-trónica de una muestra de acero en un reactor nuclear de investigación y comparación de la dosis producida con medidas experimentales(pp. 1–63). Universidad Politécnica de Valen-cia.
Serment, V., Mujica, H., Torres, J., & Welti, J. (2012). Revista Mexicana de I ngeniería Química. RevistaMexicanadeIngenieríaQuímica, 11(3), 363–372.
Zavaleta, R. (2019). Tiempos necesarios para el esta-blecimiento de equilibrio térmico en el proce-samiento de castaña Una Aplicación de Análi-sisdeFourieryProblemasdeContorno. ACTANOVA, 9(2), 271–291.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Ronald Omar Estela Urbina, Fernando Alain Incio Flores, Elisa Contreras Barsallo, Caroline Maricielo Paredes Coronel, Jesús Arnils Ortiz Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
