Numerical simulation of the thermal equilibrium of bodies in contact using the Montecarlo method
DOI:
https://doi.org/10.55996/dekamuagropec.v2i1.47Keywords:
equilibrium, temperature, Monte Carlo, randomAbstract
The conditions of compulsory social confinement as a measure to stop the spread of COVID-19 has had repercussions in academic spaces, in this way both students and university teachers are prevented as a health measure from using laboratories, which implies a difficulty for the teaching-learning, especially in subjects that have a considerable practical component or laboratory hours, as is the case of physics courses. It is in this context that the civil engineering students of the V cycle, through the course of numerical methods, developed the numerical simulation of Monte Carlo. For this purpose, several virtual activities were established, such as the realization of a training workshop in programming language; in the same way, the design of a flow diagram or algorithm was carried out and then implemented in BASIC programming codes. The objective of this research is to numerically simulate the thermal behavior of the system, as well as its temporal evolution, by means of a physical model based on energy exchanges. This is based on the behavior of the particles that make up the bodies, which based on their random movement collide or collide with the contact wall, transferring energy. This allows to see the "temporary" evolution of the system until achieving thermal equilibrium; obtaining results that, for larger units of virtual "time", the system tends to achieve its thermal equilibrium, which compared to the theoretical results, increasingly smaller margins of error are achieved. The random behavior of this system makes it suitable to apply the Monte Carlo method, representing this as a learning strategy generating a “virtual laboratory” where significant learning is promoted at low cost.
Downloads
References
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.
Additional Files
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Ronald Omar Estela Urbina, Fernando Alain Incio Flores, Elisa Contreras Barsallo, Caroline Maricielo Paredes Coronel, Jesús Arnils Ortiz Rodríguez
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
