APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES
|
|
- Elvira Saavedra Quiroga
- hace 7 años
- Vistas:
Transcripción
1 APLICACIÓ DEL MÉTODO (PFEM A LA SIMULACIÓ DE PROCESOS IDUSTRIALES CO GRADES DEFORMACIOES Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr * * Uvrsdad Poltécca d Cataluña (UPC Campus ord UPC, Edfc C Jord Groa Barcloa, España -mal: frrar@upc.du - xavr.olvr@upc.du Uvrsdad Poltécca d Cataluña (UPC Campus Trrassa, TR45 C/. Colom, España -mal: jua.cat@upc.du Palabras clav: Métodos d Partículas, Algortmos d Cotacto, Problmas d Coformado Idustral, Cort, Trasfrca d Pulvmatrals Rsum: El propósto d st trabajo s mostrar l potcal dl uvo método d lmtos ftos d partículas (PFEM la modlzacó y smulacó d dvrsos procsos dustrals qu volucr grads movmtos y dformacos propos d la mcáca d sóldos. E cotrast co l MEF, sta uva técca prmt lmar los típcos problmas dbdos a las grads dstorsos d la malla d lmtos ftos. S lma també los problmas asocados al paso d formacó tr mallas y a la cosmétca d gracó d mallas usada frcutmt las téccas d rmallado. El uvo squma umérco ofrc també uvas posbldads para la solucó dl problma d cotacto y frccó tato l caso ulatral como l blatral. Para rsolvr l problma d cotacto, mdat la utlzacó dl grador d coctvdads, s df ua sr d lmtos d cotacto qu, provstos d ua cuacó d palzacó, prmt forzar la codcó d mptrabldad y modlar la frccó tr curpos. La gracó d los lmtos lma automátcamt l problma d búsquda d la míma dstaca y l tratamto d los casos qu dco problma t varas solucos. El modlo s xtd al caso d lagragao aumtado prmtdo así la utlzacó d cofcts d palzacó modrados. La uva mtodología s aplca spcífcamt a la smulacó d problmas d trasfrca d pulvmatral l tror d u mold durat l procso d compactacó y d cort/rbajado d láma mtálca. 229
2 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal ITRODUCCIÓ El método d los lmtos ftos 8,9 s ua d las rramtas más potts d las qu s dspo la actualdad para la smulacó umérca d ua gra vardad d problmas d gría y cca. S mbargo, at la csdad d rsolvr problmas qu so cada vz más compljos y d mayor magtud, ay mucos casos dod la formulacó dl método clásco prsta lmtacos tríscas qu ocasoa furts mpdmtos para llvar a cabo las smulacos dsadas. Alguas d las dfcultads actuals las prsta los problmas dod s produc grads dsplazamtos y dformacos d los matrals volucrados. Tals problmas so propos d la mcáca d mdos cotuos y s aplca dvrsas áras d la técca como la mcáca d sóldos dod s modla los fctos trmo-mcácos bajo crtas codcos dfdas por tmpraturas, tsos o dformacos mpustas sobr todo tpo d matrals, tals como mtals, ormgos y sulos problmas d aálss structural y gotca o coformado d mtals dtro d dtrmados procsos dustrals (stampacó, forja, pulvmtalurga, tc.. El problma surg como coscuca d las lvadas dstorsos los lmtos prtcts a las mallas d lmtos ftos durat l dsplazamto d sus odos y la furt dformacó (dstorsó d su domo. La coscuca mdata d tal stuacó s qu durat l procso d rsolucó d las cuacos qu gobra al fómo modlado s db vrfcar crtos dcadors, tals como qu l Jacobao o gradt d la dformacó d cada lmto d la malla sa mayor a cro, o lo qu s lo msmo qu l volum d cada lmto dformado sa postvo. La xstca d las dstorsos los lmtos dformados d la malla orgal td a producr volúms los msmos d valor gatvo o ulo, co lo qu s db dtr la jcucó dl cálculo para prsrvar l cumplmto d las pótss qu ac físcamt rprstatvos y posbls a los rsultados obtdos. Los métodos d rmallado stádar, por lo gral, ataca al problma producdo por las grads dformacos ralzado lo qu comúmt s doma cosmétca d mallas o b llvado a cabo u procso d rmallado (gracó d ua uva malla para dscrtzar al domo a partr d la gomtría dformada. La cosmétca d mallas s basa la mapulacó y la trasformacó d ua malla altamt dstorsoada o d baja caldad otra acptablmt bua a fs d cálculo y rsolucó d las cuacos corrspodts. La dsvtaja d ést método s qu s costruy a partr d crtros mpírcos qu sólo so fcts para los casos partculars para los cuals furo dsarrollados. Por lo tato, al carcr d graldad, mpd su xtsó a ua ampla vardad d stuacos. Los rmallados automátcos toma como puto d partda la malla dformada y altamt dstorsoada tras l cálculo y d la actualzacó los valors d las varabls dl problma, lugo gra uos uvos lmtos ya o ta dstorsoados como los atguos y tdo como puto d partda sta uva malla s cotúa co l procso d cálculo. Las lmtacos d ést método so báscamt l lvado cost tmpo computacoal rlacoado co la gracó d ua uva malla y la proyccó d los valors calculados 2292
3 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr dsd la malla atgua aca la uva cofguracó. Exst admás casos tals como los problmas d fludos y gass gral o los d llado d molds y compactacó d pulvmatrals (qu forma part d los procsos d coformado d pulvmtals, dod s prsta suprfcs lbrs, s dcr u cotoro dl domo dod su forma o s cooc a pror, so qu su dtrmacó s part d la solucó dl problma. E tals casos l cálculo d tal suprfc mplca la ralzacó d varas tracos para llgar a la covrgca d los rsultados, dod, s s trata d u problma co grads dformacos, sguramt dbrá grars ua uva malla cada ua d llas. E coscuca la lvada duracó dl cálculo, bajo stas stuacos, ac práctcamt mposbl la rsolucó d problmas d alta compljdad y/o d gra tamaño. Para lograr suprar los obstáculos asta l momto xpustos s prtd adoptar y combar d forma covt alguas d las modras téccas umércas dspobls como los mslss mtods o métodos s malla y métodos d partículas, co otros rfrdos a la dscrtzacó gométrca por mdo d la gracó d dagramas d Voroo y tragulacos xtddas d Dlauay (gracó d poldros d bajo y alto ord a partr d ubs d putos y sfras. Tal foqu coocdo como Método d Elmtos Ftos d Partículas 5,6,7 prmtrá ua covvca tr las formulacos típcas d la mcáca d los mdos cotuos, la actualzacó costat d los valors cada puto d aálss y la obtcó d las uvas coctvdads odals a partr d la dtrmacó d u cojuto d odos crcaos y prtcts a la prfra d u dtrmado puto lugo d cada paso crmtal tratvo dl cálculo. 2 MÉTODO DE LOS ELEMETOS FIITOS DE PARTÍCULAS - PFEM 2. Formulacó dl problma A cotuacó s xpo las caractrístcas fudamtals d la mtodología PFEM (Partcl Ft Elmt Mtod. B = X ; :L u cojuto fto d partículas qu rprsta las ftas Sa { } p partículas dl mdo cotuo. Sa x = x( X, t la fucó poscó l tmpo t d la partícula, vr fgura 2.. Sa, v (X,t y a(x,t los vctors vlocdad y aclracó, rspctvamt, l problma dámco asocado qu s dsa rsolvr s cotrar los dsplazamtos u( X, t a lo largo dl tmpo, qu cumpla las cuacos d movmto ( y las corrspodts codcos cals y d frotra. X t xt Ma F ( u F ( u = 0 ( La tgracó mplícta d la cuacó atror, mdat la aplcacó drcta d u El comportamto y propdads d cada partícula s obt por la trpolacó d las corrspodts a las d las partículas slccoadas 2293
4 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal squma dl tpo wmar, coduc drctamt al sgut problma tratvo 8. Dados, v y a dsplazamtos, vlocdads y aclracos d las partículas l tmpo t tocs l uvo problma s cotrar, v y a qu satsfaga las sguts xprsos: M u v a = u = v K tv t u = F xt 2 t [( 2β a 2 ] 2 βa [( γ a γa ] (2 xt dod rprsta la matrz d masa dl sstma, la rgdz, la accó d las M K furzas xtras (furzas d gravdad y cotacto, F t l crmto d tmpo y, γ y β los parámtros d tgracó (aquí s a cosdrado β = γ = 2 El modlo costtutvo propusto, sccó 3, s uo dl tpo vsco-lasto-plástco y s fudamta la toría d las grads dformacos plástcas. Por lo tato, l sstma d cuacos (2, s gral o lal y rqur d la adcó d ua sr d varabls tras q para su complta formulacó. Ω u Ω Fgura 2.. Cofguracó y coctvdad cal y dformada co ua uva coctvdad Los pasos qu costtuy l algortmo gral para la solucó dl problma dámco ( so los sguts: Paso : Icalzacó Est paso corrspod al stablcmto d las varabls, v, a y Paso 2: Gracó d las coctvdads Co bas la poscó d las partículas l tmpo t q l tmpo t y la aplcacó d ua técca d gracó d coctvdads basada los dagramas d Voroo y tragulacos d Dlauay s obt ua partcó úca dl domo lmtos polédrcos. Para l cálculo d dca partcó s a utlzado u programa dsarrollado por otros autors 5, l cual goza d las sguts caractrístcas: El tmpo mplado para su obtcó crc lalmt co l úmro d odos 2 o s troduc uvos odos 2294
5 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr 3 E gú caso s modfca sus poscos cals 4 El rcoocmtos d cotoros s llva a cabo por mdo dl método d alpasap 5,6,7, dod las frotras dl domo so rcoocdas d forma dámca durat l cálculo Paso 3: Solucó dl problma crmtal o lal Ua vz stablcdas las dfrts coxos tr los odos, s trprta a ésta coctvdad como ua uva malla d lmtos ftos, qu t fcto solo durat la rsolucó dl problma crmtal, cuacó (2. Est cálculo s ralza d forma stádar sgudo u platamto acord al método d los lmtos ftos 8,9. Paso 4: Actualzacó odal Ua vz obtdo l uvo crmto los dsplazamtos, s procd a la actualzacó d la poscó d las dfrts partículas y a la actualzacó odal d las varabls, v, a y q l tmpo. El algortmo cotúa co l rtoro al paso 2. 3 PROBLEMA DE COTACTO Y FRICCIÓ El squma umérco propusto, domado ACIM (Adaptv Cotact Itrfac Mtod ofrc uvas posbldads para la solucó dl problma d cotacto. E ést caso, co ayuda dl grador d coctvdads, s df ua sr d lmtos qu s utlza como lmtos trfaz o cotacto, qu provstos d ua cuacó d palzacó, prmt forzar la codcó d mptrabldad y modlar la frccó tr curpos. A cotuacó s prsta las caractrístcas fudamtals d la uva mtodología. 3. Elmtos d cotacto: gracó y cmátca Cotuado co la otacó troducda l apartado atror, sa B x ; :L ( (2 B = x 2 ; :L (2 los cojutos d las poscos spacals ( = { } y { } (, (, l tmpo, d las partículas qu rprsta a los curpos qu trv l problma d cotacto, fgura 3.. ( ( ( X, x = x( X (2 (2 (2 X ( ( j, x, j = x( X j, t x, = x( X, t Fgura 3.. Cojutos d partículas qu coforma los curpos cotacto 2295
6 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal Sa B (, y B (2, 2 las rgos R qu s obt como rsultado dl cálculo d las (, (2, coctvdads, B y B pud trprtars como las mallas d lmtos ftos qu s utlzará para rsolvr l uvo paso d tmpo, vr fgura 3.2. Sa B (, y B (2, las ( (2 lías polgoals qu rprsta sus frotras y B y B los cojutos d las ( (2 poscos spacals d las partículas qu las compo, fgura 3.2. B y B df las poscos d las partículas, cosdradas d frotra, sobr las cuals s calcula ua uva coctvdad. (I Esta uva rgó, dotada como B, df la zoa d cotacto, o trfaz da cotacto, vr fgura 3.3. Dca rgó stá compusta por ua sr d lmtos tragulars, los cuals ( (2 db tr uo d sus odos B y los otros dos B, o vcvrsa. (2 B ( B Fgura 3.2. Coctvdads qu rlacoa las partículas d los curpos cotacto ( B x p (I B (2 B Fgura 3.3. Itrfaz d cotacto grada tr los cotoros d los curpos y 2 Tˆ x q ˆ x q
7 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr (I Para cada lmto, B, s df l vctor ormal asocado al problma d cotacto ˆ, qu s calcula como l vctor prpdcular al sgmto cuyos odos stá sobr l, msmo curpo y qu aputa aca l xtror dl msmo. S df admás la drccó tagcal T como la drccó qu ac qu l producto vctoral ˆ T aput aca afura dl papl (fgura 3.3. ˆ,, ˆ, ( Sa u ( x l dsplazamto crmtal corrspodt al tmpo t y la tracó (, sta varabl s trpola térmos d los dsplazamtos d los odos (partículas ( dl lmto custó como u ( x = ( x uˆ 3.2 Ecuacó d palzacó d cotacto y frccó (I ( Dado, sa x la poscó ( l tmpo t dl odo p qu prtc al curpo y x q, xq2 B p las poscos d los odos q y q d 2 (l tratamto, l caso cotraro, ( (2 cuado p B y q, q 2 B s smlar. La dformacó cal s df como ε = ε o o ˆ, ˆ,, dod ˆ, l vctor utaro ormal asocado al lmto d cotacto qu aputa aca l xtror dl curpo (fgura 3.3 y ε o v dado por: Aquí, g o (2 B ( x x g ε o = ˆ p q, o (3 lo corrspod al gap, valor d la dstaca míma tr los curpos a partr d la cual s vola la codcó d mptrabldad. El térmo l corrspod a ua logtud caractrístca dl lmto, qu s df como la dstaca tr y. Como ua coscuca d la dfcó d ó ˆ, o x, q x, q 2 l valor d ε o s dpdt d la slccó d x. S ε < 0 s cosdra qu s part d ua poscó cal la qu s vola la, q2 o codcó d mptrabldad, mtras qu caso cotraro s part d ua codcó d o ptracó. Las dformacos crmtals, ormal y tagcal, s df como ε = ˆ ε y ε = ˆ ε, rspctvamt. El tsor ε corrspod al ˆ,, T T ˆ,, gradt smétrco d los dsplazamtos crmtals. El total d la dformacó s ( ( obt como ε = ε o ε. Las tsos d palzacó, tato la compot ormal como la tagcal, s calcula ( ( ( ( como σ = ε ˆ ˆ y σ = ε Tˆ ˆ, dod T s l vctor utaro,, T T T,, tagt asocado al lmto d cotacto ortado como lo dca la fgura 3.3. Los valors ˆ, B x, q 2297
8 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal y T s trprta como costats d palzacó. E l caso d cotacto actvo, ( cuado ε < 0, la tsó d palzacó s pud trprtar como l stado d comprsó al qu s stá somtdo a lmto durat l cotacto. Las furzas tras quvalts (furzas d palzacó qu actúa los odos s covrt lugo las raccos qu actúa sobr B (, y B (2, la zoa d cotacto. La cotrbucó al odo r dl vctor d furzas d palzacó, dbdas al cotacto y a la frccó, s obt como: c,( ( ( ( p r = σ rdv ˆ = ε (, r dv, = : g, r, BI BI f ( p,( r = σ T rdv ( ( T T ˆ r dv Tˆ = ε (,, = : T gt, rt ˆ, BI BI Las xprsos d la drca, ( l λ, ( l T, ( g, r, y ( T gt rtˆ,, (4, prmt trprtar las furzas d palzacó como l producto tr la costat d palzacó y u valor d gap f, ( quvalt. El valor d la furza d frccó p r db trprtars como u stado d pruba qu lugo s proycta sobr la suprfc qu dfa la frccó. E ést caso s proycta sobr l coo d Coulomb corrspodt al modlo d frccó sca. La furza total d cotacto y frccó s obtdrá más adlat como l sambl d todas las aportacos d stas furzas lmtals. 3.3 Aplcacó dl Método d Lagragao Aumtado Sa y λ los valors lmtals d los multplcadors d Lagrag d cotacto y frccó, rspctvamt. El ídc (l s rfr a la l sma tracó dl lagragao aumtado. La furza d cotacto lmtal s calcula como: c ( l F,( ( r, = λ, g r ˆ,, dod x 0 = x s x > 0 s x < 0 (5 Para l cálculo d la frccó s t ua xprsó smlar, pro st caso l símbolo C s trprta como la proyccó sobr l coo d Coulomb. El valor d F s comta l sgut apartado. f F,( r, = λ ( l T, ˆ dod g ( T T T, r C, x C µ F = µ F x s s s x > µ F x < µ F µ F x µ F (6 2298
9 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr 3.4 Matrz tagt La cotrbucó lmtal, la sgut xprsó c K, a la matrz tagt dbda al cotacto s obt mdat ( K c r, sj F = uˆ c,( r, sj = g ˆ, r c ( λ g dod ( x = uˆ sj 0 s x > 0 c (7 s x < 0 los ídcs r, s ac rfrca a los odos dl lmto d cotacto y los ídcs, j, a los grados d lbrtad. S pud probar qu la drvada d v dada por: g, r g uˆ, r sj = { ( s ˆ ( r ˆ dv} ˆ j (8 y por tato ( c K r, s s pud scrbr como { ( ˆ ( ˆ dv} ˆ ˆ c ( K r, s = c ( λ g s r (9 E cuato a la cotrbucó dbda a la frccó l procdmto s bastat smlar y la matrz s obt a partr d la sgut xprsó ( K f r, sj F = uˆ f,( r, sj = ( f g T, r λ T gt T T dod uˆ sj ˆ x µ F f ( x = (0 0 x > µ F S mbargo, para facltar l cálculo d la drvada d g T, r, s mpo qu l térmo µ F, qu aparc la dfcó dl coo d Coulomb, o dpda d los dsplazamtos crmtals, û. Esto s cosgu tomado como F a la furza ormal dl crmto atror. E ést caso, la xprsó para la matrz dbda a la frccó adqur la sgut forma { ( ˆ ( ˆ dv} Tˆ Tˆ f ( K r, s = f ( λ T T gt T s r ( 3.5 Actualzacó d los multplcadors d lagrag c f Sa y las furzas (odals d cotacto y frccó corrspodts al paso d F (I tmpo t. Para cada y odo F B p d la trfaz d cotacto s df la sgut tabla d cofcts α : = α(, p como l coct tr l ára dl lmto y l ára d los p 2299
10 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal lmtos d (I B qu cot al odo p. Dado y (I B p odo d, s df los (0 (0 valors cals d los multplcadors lmtals λ, y λt, l odo p como la proyccó podrada d las compots odals. (λ α y ( λ (2 (0 c, p = p ( F p ˆ, (0 f T p = α p ( F p Tˆ,, ( l Dados y λ, los valors d los multplcadors la tracó l, dl squma dl ( l λ, T, lagragao aumtado, s procd a actualzar los valors lmtals corrspodts a la tracó l mdat las sguts xprsos: ( l ( l ( l ( l g, = λ g r ˆ,,, y T = λt, T T,r T ˆ, C, λ 4 EJEMPLOS UMÉRICOS 4. Procso d trasfrca la pulvmtalurga λ (3 La fas d trasfrca s ua part fudamtal dl procso d fabrcacó d pzas mcácas strzadas, mdat l coformado d pulvmtals. La dstrbucó d dsdads prva a la compactacó s cosdra actualmt como u factor dcsvo a la ora d valuar la caldad d las propdads mcácas d la pza trmada. Dbdo a qu la mdcó xprmtal d dca magtud físca s xtrmadamt dfcultosa y asta mposbl crtos casos, la smulacó umérca d sta fas aparc como ua rramta d dsño fudamtal. P sup δ a zoa a trasfrr δ P f Fgura 4.. Esquma gométrco dl caso d trasfrca 2300
11 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr S prsta aquí l procso d trasfrca d ua pza co ua gomtría rctagular 0, dod por custos d smtría, s a cosdrado su cort trasvrsal bajo la pótss d dformacó plaa. Fgura Trasfrca co a = 5 mm /5 y 3/5 dl procso. Campo d dsplazamtos y dstrbucó d dsdads 230
12 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal S trata d la traslacó d ua part dl matral xstt l mold por mdo dl movmto d dos puzos (supror P fror P qu s dsplaza soldaros y vrtcalmt a lo largo d ua dstaca δ d -50mm. sup f Fgura Trasfrca co a = 5 mm l fal dl procso. Campo d dsplazamtos umérco y xprmtal, dstrbucó d dsdads La zoa a trasfrr quda dfda por l aco d los puzos, a d 5 mm y 0 mm rspctvamt y por la dstaca o spaco tr ambos d 30 mm, fgura 4... Las dfrcas gométrcas dadas por las dvrsas mddas d los puzos t coscucas mportats los fctos d: matral trasfrdo y d ampltud d la trasfrca, fguras 4..2, 4..3 y Tato las propdads físcas asgadas al matral como l modlo costtutto utlzado s trata dtall la rfrca 4. E la smulacó umérca l matral a sdo dvddo sccos coloradas para rcoocr co mayor facldad su dsplazamto (trasport y dformacó durat la trasfrca. S compara admás co rsultados xprmtals aálogos, fguras 4..3 y La comparacó umérco-xprmtal dl procso s ac dsd u puto d vsta cualtatvo, dado qu sólo s cuta co rsultados xprmtals al vl d los dsplazamtos producdos. E st stdo s a obtdo rsultados acptablmt cocdts dsplazamtos, lo cual prmt crta crdbldad a las dstrbucos d dsdads rsultats d la smulacó umérca. Dcas dsdads prsta sus mayors varacos las zoas crcaas a la rgó d trasfrca, mtras qu l rsto dl domo cosrva dsdads próxmas a la dsdad cal. 2302
13 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr Fgura Trasfrca co a = 0 mm, para l stado fal dl procso. Campo d dsplazamtos umérco y xprmtal, dstrbucó d dsdads 4.2 Procsos d cort Los procsos d cort d matrals, spcal d mtals, rsulta fudamtals para la fabrcacó d ua ampla vardad d pzas y compots. La durabldad d las rramtas d cort s cutra ítmamt lgada a su corrcto cálculo y dmsoamto. Por tal razó, y para cada procso partcular, s busca coocr las furzas asocadas al cort, la formacó y la volucó d las vrutas o cps dl matral durat l cort. E l jmplo qu s prsta a cotuacó s llva a cabo l cort octogoal d ua pza d matral cuyas propdads físcas so: E = 500 MPa, ν = 0. 3, σ = 275 MPa, cosdrado plastcdad prfcta y u modlo costtutvo d Vo Mss. y Las dmsos gométrcas s squmatza la fgura 4.2., dod s cosdra: H = 7 mm, = 2.5 mm, α = β = 5.5º, mtras qu las logtuds L y l d la cuclla y la pza so varabls. La vlocdad d cort mpusta s d 22 mm / s u procso cuya duracó s sg. Los fctos térmcos y d frccó a sdo dsprcados. 2303
14 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal H β α L l Fgura Esquma gométrco dl procso d cort Fgura Formacó d la vruta d cort 0, 45, 75 y 00% dl procso 2304
15 Carlos G. Frrar *, Jua Carlos Cat, y Javr Olvr E las fguras s obsrva, mdat la vsualzacó d partículas, los dsplazamtos y dformacos producdos l procso d cort durat dsttos stats d tmpo, mtras qu las fguras s mustra las dstrbucos d tsos d Vo Mss los msmos stats d tmpo. Durat l procso s obsrva la actuacó tsva dl algortmo d cotacto tr l matral y la rramta y la xstca d fómos d autocotacto tr la vruta producda por los fctos dl cort y l propo matral cortado. Fgura Dstrbucó d Tsos d Vo Mss para los msmos stats cosdrados la fgura atror 5 COCLUSIOES A lo largo dl prst trabajo s a xpusto las bass dl Método d Elmtos Ftos d Partículas aplcado al coformado d sóldos y las bass tórcas dl modlo d cotacto utlzado. S a comprobado, mdat la prstacó d jmplos d aplcacó dustral, la factbldad y cofabldad d stos métodos umércos al sr utlzados problmas dustrals d alta compljdad. Los rsultados prlmars obtdos mdat smulacó umérca mustra ua acptabl cocdca cualtatva co los rsultados xprmtals, lo qu podría srvr para prdcr l comportamto d varabls d dfcultosa mdcó xprmtal. D sta forma s dja stadas las bass para cotuar l dsarrollo d las mtodologías umércas xpustas l trabajo y lograr así, postrormt, ua comparacó cuattatva d rsultados umércos y xprmtals. 2305
16 MECOM 2005 VIII Cogrso Argto d Mcáca Computacoal 6 AGRADECIMIETOS Los autors agradc la facacó parcal por part dl MCYT mdat l proycto DPI REFERECIAS [] J. Olvr, S. Ollr, J. C. Cat: A plastcty modl for smulato of dustral powdr compacto procsss, It. J. Solds ad Struct, 33, , 996 [2] J. Olvr, J. C. Cat, J.A. Bas, A. Bolar: Mtodología d calbracó d u modlo umérco d smulacó dl procso d compactacó d polvos mtálcos, Proc. Powdr Mtallurgy world Cogrss, 998, Graada, Spa. [3] A.R Ko ad R.W. Lws: Adaptv ft lmt rmsg a larg dformato aalyss of mtal powdr formg, It. J. umr. Mtods Eg. 999, 45, [4] J.C. Cat, J. Olvr, C. Gozálz, O t umrcal Smulato of Powdr Compacto Procsss: Powdr Trasfr Modllg ad Caractrzato, Powdr Mtallurgy, [5] S. Idlso, E. Oñat,. Calvo, F. Dl P. A Mslss Ft Elmt Mtod. Frst MIT Cofrc o Computatoal Flud ad Sold Mcacs. 2-4 of Ju, 200. [6] S. Idlso, E. Oñat, F. Dl P. A Lagraga Mslss Ft Elmt Mtod appld to Flud Structur Itracto Problms. Computr ad Structurs, vol. 8, pp , 2003 [7] S. Idlso, E. Oñat, F. Dl P. T Partcl Ft Elmt Mtod: A powrful tool to Solv Icomprsbl Flows wt Fr-Surfacs ad Brag Wavs. Itratoal Joural for umrcal Mtods Egrg, [8] Tomas J.R. Hugs, T Ft Elmt Mtod, Prtc-Hall It. Ed. 987 [9] O.C. Zwcz R.L. Taylor, T ft lmt mtod, McGraw Hll, Vol. I (989. [0] A. Istúrz, M. Rra, J. Prado Exprmtal Study of t Powdr Trasfr Stag Powdr Compacto. EPMA PM2004 World Cogrss & Exbto" Va, Austra, [] Vad Kalor. Modllg ad Smulato of Mcacal Cuttg, PD Tss, Lula Uvrsty, Swd,
Análisis Estadístico de Datos Climáticos
Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,
Más detallesFisicoquímica II-Módulo de Estructura y Propiedades Moleculares.
Fscouímca II-Módulo d Estructura y Propdads Molculars. Bollla 4. Coctado las dscrpcos mcro/macroscópcas: Trmodámca Estadístca 4. La coxó tr la dscrpcó cuátca y las propdads trmodámcas. Hmos vsto como dscrbr
Más detallesAPUNTE Y PROBLEMAS DE FÍSICA III
APUE Y PROBLEMAS DE FÍSICA III CARRERA: LICECIAURA E QUÍMICA PROFESOR Mg. CARLOS A. CAAEO AUILIAR Lc. ERIQUE M. BIASOI COEIDOS: Mcáca Clásca: Mcáca Cuátca: Mcáca Estadístca: Problmas: Cmátca Dámca Prcpos
Más detallesProcesamiento Digital de Señales de Voz
Procsamto Dgtal d Sñals d Voz Trasparcas: Procsamto d Sñals y Métodos d Aálss para rcoocmto d Voz Autor: Dr. Jua Carlos Gómz Basado : Rabr, L. ad Juag, B-H.. Fudamtals of Spch Rcogto, Prtc Hall,.J., 993.
Más detallesMulticupón no garantizado 07/09 1
ANEXO AL CONTRATO FINANCIERO DENOMINADO MULTICUPÓN NO GARANTIZADO OBRE UPUETO DE AJUTE O UPUETO EPECIALE DE AJUTE. UPUETO DE AJUTE: E caso d qu s produzca cualqura d las stuacos qu a cotuacó s dca l Baco
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesDivisión 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción
Vrsó 014 CAITULO 4 OYECTO DE ELEMENTOS DE SUJECIÓN, ANCLAJE Y CIEE Dvsó Mcáca d Torllos Torllos d trasmsó Torllo d ajust y sujcó UTN-BB Cátdra: Elmtos d Máquas. rofsor: Dr. Ig. Marclo Tulo ova Vrsó 014
Más detallesTema IV: Ruidos e Interferencias: Técnicas de reducción.
SCUA TÉCNICA SUPIO D INGNIOS INDUSTIAS Y D TCOMUNICACIÓN UNIVSIDAD D CANTABIA INSTUMNTACIÓN CTÓNICA D COMUNICACIONS (5º Curso Igría d Tlcomucacó) Tma IV: udos Itrrcas: Téccas d rduccó. José María Drak
Más detallesMODELO DE REGRESIÓN LINEAL MÚLTIPLE
Modlo d Rgrsó Lal Múltpl MODELO DE REGRESIÓN LINEAL MÚLTIPLE Autors: Ratas Kzys (rzys@uoc.du), Ágl A. Jua (ajuap@uoc.du). ESQUEMA DE CONTENIDOS Hpótss sobr l térmo d prturbacó Hpótss sobr varabls xplcatvas
Más detallesUn forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l
El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.
Más detalles8 Límites de sucesiones y de funciones
Solucioario 8 Límits d sucsios y d ucios ACTIVIDADES INICIALES 8.I. Calcula l térmio gral, l térmio qu ocupa l octavo lugar y la suma d los ocho primros térmios para las sucsios siguits., 6,,,..., 6, 8,,...,,,,...
Más detallesINFERENCIA ESTADISTICA
Uivrsidad Católica Adrés Bllo UIVERSIDAD CATOLICA ADRES BELLO Urb. Motalbá La Vga Apartado 068 Tléfoo: 47-448 Fa: 47-3043 Caracas, 0 - Vzula Facultad d Igiría Escula d Igiría Iformática -----------------------
Más detallesEXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3
Rpaso d Matmáticas E st apédic s hará u brv rpaso d las cuacios y fórmulas básicas d utilidad Química Física gral y Trmodiámica Química particular. EXPONENTES Y POTENCIAS Muchos úmros s xprsa forma más
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detalles2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros
.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros 59.8.3 Solució d las cuacios difrcials lials o hoogéas por l étodo d variació d parátros Variació d parátros U procdiito
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesa a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.
(Aputs rvisió para oritar l aprdizaj) DESARROLLO DE LAS FUNCIONES LOGARÍTMICA Y EXPONENCIAL EN SERIES DE POTENCIAS Ua Sri d Potcias s dfi como: a a a a a = = + + + la qu s vidt qu covrg si =. Para dtrmiar
Más detallesTema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO. 1. 2. 3. Introducción 4. Nomenclatura
T 4: grsos lls o lls TEMA 4. EGEIONE LINEALE LINEALE Y NO.. 3. Itroduccó 4. Nocltur 5. Llzcó Ajust grsó ll ll d últpl cucos 6. 7. 8. grsos EUMEN Progrcó o lls Mtlb Cálculo uérco Igrí T 4: grsos lls o lls.
Más detallesPASCAL THEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING NOISE GENERATED BY AN INDUCTION MOTOR SQUIRREL CAGE TYPE
ISSN: 169-757 - Volum 1 - Númro 15 - Año 010 Rvsta Colombaa d Tcologías d Avazada Rcbdo: 01 d agosto d 009 Acptado: 15 d octubr d 009 PASCAL TEORY AS A SOFTWARE IMPLEMENTED BY DIGITAL FILTER FOR FILTERING
Más detallesGestión de operaciones
Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos
Más detallesTEMA 4: REGRESIÓN Y CORRELACIÓN.
TEMA 4: REGREIÓN Y CORRELACIÓN. 4.. Rgrsó corrlacó lal smpl... 4.. El método d los mímos cuadrados las cuacos ormals.... 3 4.3. Rgrsó lal: rcta d rgrsó (mímos cuadrados)... 4 4.3.. Propdads d las rctas
Más detallesEstadística Teórica II
Tablas d Cotgca Estadístca Tórca II TABLAS DE CONTINGENCIA Satago d la Fut Frádz 89 CONTRASTE NO PARAMÉTRICO DE BONDAD DE AJUSTE Tablas d Cotgca.- Para comprobar s los opraros cotraba dfcultads co ua prsa
Más detallesCadenas de Markov de tiempo continuo
Cocpts foamtals d xarxs d computadors. U focamt aalítc. Cadas d Markov d tmpo cotuo Qué propdads db cumplr u procso stocástco para sr ua MC d tmpo cotuo? Los stados db formar u couto umrabl E caso cotraro
Más detallesAdministración de inventarios. Ejercicio práctico.
Admnstracón d nvntaros. Ejrcco práctco. La Cía. GOMA REDONDA S.A. llva n nvntaro un crto tpo d numátcos, con las sgunts caractrístcas: Vntas promdo anuals: 5000 numátcos Costo d ordnar: $ 40/ ordn Costo
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesExportación e Importación en formato XML
Exportcó Importcó formto XML Tléfoo (506) 2276-3380 Fx (506) 2276-3778 d@c.co.cr www.d.com 1 Exportcó d Iformcó formto XML Pr xportr dto dd lpho formto XML, l mú Admtrcó, cutr l opcó Exportr S motrrá l
Más detallesCONDICIONES PARTICULARES DEPÓSITO BLINDADO 12 MESES
. Objto y Naturalza. CONDICIONE PARTICULARE DEPÓITO BLINDADO 2 MEE El Dpósto Bldado 2 ss cosst la cotratacó d ua poscó a plazo d año. Ecoócat s trata d u producto structurado forado por u dpósto a plazo
Más detallesTransformador VALORES NOMINALES Y RELATIVOS
Tasfomado VAORE NOMNAE Y REATVO Nobto A. mozy VAORE NOMNAE as picipals caactísticas d las máquias vi dadas po los fabicats la domiada placa o chapa d caactísticas; dod s spcifica, t otas cosas, la potcia
Más detalles8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007
8º CNGRES BERAMERCAN DE NGENERA MECANCA Cusco, 23 al 25 d ctubr d 2007 PTMZACÓN ESTRUCTURAL CN MALLAS FJAS Y ANALSS DE SENBLDAD Maul García*, Pirr Boulagrº, Aljadro Rstrpo* *Dpartamto d giría Mcáica Uivrsidad
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesSÍLABO DEL CURSO DE AUDITORIA DE MARKETING
SÍLABO DEL CURSO DE AUDITORIA DE MARKETING I. INFORMACIÓN GENERAL: 1.1 Facultad: Ngocios 1. Carrra Profsioal: Admiistració y Marktig 1.3 Dpartamto: ------------- 1.4 Rquisito: Dircció Comrcial 1.5 Priodo
Más detallesFÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD
APÉNDICE: FÓRMULAS PARA LA ESTIMACIÓN DE LA CAPACIDAD Fórmula uificada d Kimbr Kimbr aglutia la xpricia d muchos años d sayos ralizados por l TRRL Gra Brtaña y propo ua fórmula uificada para l cálculo
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesAproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin
Aproimació d ucios drabls mdiat poliomios: Fórmulas d Taylor y Mac-Lauri. Eprsa l poliomio P - - potcias d - Hay qu dtrmiar los coicits a, b, c, d y qu cumpla: P - -a- b- c- d- Drado vcs la iualdad atrior,
Más detallesESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS
5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com
Más detallesq q q q q q n r r r qq k r q q q q
urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesTEMA 5: Efectos de los Rectificadores sobre la red de alimentación.
TEMA 5 : Efctos d los Rctificadors sobr la rd d alimtació TEMA 5: Efctos d los Rctificadors sobr la rd d alimtació. Ídic TEMA 5: Efctos d los Rctificadors sobr la rd d alimtació. 5..- Factor d Potcia....
Más detallesDELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID
C/ Gal. Auda, 6 Tléf.: 9 5 8 4-9 55 9 800 MADRID ORMULARIO DE ESTADÍSTICA. DISTRIBUCIONES UNIDIMENSIONALES. Esaza atátca. Sdo ua vaabl alatoa g ( ua fucó d la sa, dfos: E ( g ( ( g Caso dscto g ( f ( Caso
Más detallesSistemas de ecuaciones diferenciales lineales
695 Aálisis matmático para Igiría M MOLERO; A SALVADOR; T MENARGUEZ; L GARMENDIA CAPÍTULO Sistmas d cuacios difrcials lials d primr ord Cuado s studia matmáticamt ua situació d la ralidad, l modlo qu s
Más detalles6. FAST FOURIER TRANSFORM (FFT)
6. FAS FOURIER RASFORM FF Las rasformadas Rápidas d Fourir so algoritmos spcializados qu prmit a u procsador digital acr l cálculo d la rasformada Discrta d Fourir d ua forma ficit, lo qu rspcta a carga
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesAnálisis del caso promedio El plan:
Aálisis dl caso promdio El pla: Probabilidad Aálisis probabilista Árbols biarios d búsquda costruidos alatoriamt Tris, árbols digitals d búsquda y Patricia Listas sip Árbols alatorizados Técicas Avazadas
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detallesTEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO
Facultad d Ccas Ecoómcas y Admstratvas TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO Rafal Sarmto Lotro RESUMEN La Toría d Cotratos també coocda como Ecoomía d la Iformacó, studa las coscucas d la xstca
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesIncentive Schemes and Innovative Portfolios
Esqumas Estudos d d Ecoomía. ctvos Vol. y cartras 7 - Nº, / Juo Go Loyola, 2. Págs. Yolada 4-66 Portlla 4 Esqumas d Ictvos y Cartras d Ivrsó Iovadoras Ictv Schms ad Iovatv Portfolos Go Loyola Yolada Portlla
Más detallesLínea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V
Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó
Más detallesSegmentación de Imágenes Médicas Digitales mediante Técnicas de Clustering
Recbdo, 11/05/2010 Aceptado, 18/08/2010 Artículo orgal Segmetacó de Imágees Médcas Dgtales medate Téccas de Clusterg Dgtal Medcal Image Segmetato wth Clusterg Techques Gustavo Lorca T. a, José Arzola R.
Más detallesEXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO
EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca
Más detallesSerie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.
Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto
Más detallesMEMORIAS DEL XV CONGRESO INTERNACIONAL ANUAL DE LA SOMIM 23 al 25 DE SEPTIEMBRE, 2009 CD. OBREGÓN, SONORA. MÉXICO A5_23
A5_23 ANÁLISIS TÉRMICO-ESTRUCTURAL DE UN ÁLABE DE TG USANDO MÉTODOS ALTERNATIVOS Vcete Pérez García a, Armado Gallegos Muñoz a, Rafael A. Rodríguez Cruz a, Jua M. Belmá Flores a Alfoso Campos Amezcua b,
Más detallesCapítulo 4: Rotaciones Multidimensionales con Operaciones Vectoriales
Cítulo 4: Rotcos Multdmsols co Orcos ctorls Como s vo l cítulo tror s ud hcr rotr u ojto l sco D roorcodo - utos o cohrlrs s dcr s roorco l j d rotcó l cul s l rrstcó d u sml -D. E st cítulo s lz y td
Más detallesTEMA 4: FÍSICA DE LOS DISPOSITIVOS BIPOLARES: EL TRANSISTOR Y EL TIRISTOR. TEMA 4: FÍSICA DE LOS DISPOSITIVOS BIPOLARES: EL TRANSISTOR Y EL TIRISTOR.
TM 4 : Físc d los dsostvos bolrs: l trsstor y l trstor. TM 4 : Físc d los dsostvos bolrs: l trsstor y l trstor. TM 4: FÍS OS SPOSTVOS PORS: TRSSTOR Y TRSTOR. troduccó. 4.. ccó trsstor. 4... Modo d orcó
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesDivisión de Evaluación Social de Inversiones
MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013
Más detallesSistema binario. Disoluciones de dos componentes.
. Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua
Más detallesPara medir la importancia de la clase modal como medida central usaremos el concepto de tasa de variación. Se denota por V
dds d Tdc Ctrl y Dsprsó EDIDAS DE TENDENCIA CENTRAL Y DISERSIÓN dds d Tdc Ctrl So mdds d u cojuto d dtos qu proporco u vlor smpl y rprsttvo, qu rsum u gr volum d ormcó. Est vlor td ubcrs l ctro dl cojuto
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesI. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS
Eamn Parcial. Análisis. Matmáticas II. Curso 010-011 I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS Curso 010-011 19-XI-010 MATERIA: MATEMÁTICAS II INSTRUCCIONES
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesGENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. González, H. A. Larrondo, C. A. Gayoso, L. J.
GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. Gozález, H. A. Larrodo, C. A. Gayoso, L. J. Aroe Facultad de Igeería. Uversdad Nacoal de Mar del Plata Argeta Jua
Más detallesIntroducción a la Programación Lineal
Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara
Más detallesTema 8. Limite de funciones. Continuidad
. Límit d ua fució. Fucios covrgts.... Límits latrals.... Distitos tipos d límits.... Límits ifiitos cuado tid a u úmro ral asítota vrtical.... Límits fiitos cuado tid a ifiito asítota horizotal... 8.
Más detallesDISENO DE UN CONTROLADOR PIO AUTOSINTONIZADO MEDIANTE LOGICA BORROSA Miguel Strefezza Bianco
40. SBAI-Simpósio Brasiliro d Automação Itligt, São Paulo, SP, 08-10 d Stmbro d 1999 DISENO DE UN CONTROLADOR PIO AUTOSINTONIZADO MEDIANTE LOGICA BORROSA Migul Strfzza Biaco Yasuhiko Dot Uivrsidad Sim6
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesEstas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución
Más detallesAPLICACI ONES DE LA FUNCI ÓN
APLICACI ONES DE LA FUNCI ÓN GENERADORA DE MOMENTOS Adrés Camlo Ramírz Gaa adrs.camlo.ramrz@gmal.com Trabajo d Grado para Opar por l Tulo d Mamáco Drcor: Bgo Lozao Rojas Esadísco Uvrsdad Nacoal d Colomba
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesProblemas Resueltos. el radio de la órbita circular, y la energía tiene el valor GMm 2 = a GM. 0. Es decir, 2 T 4π. GMm
Problmas sultos.0 Un satélit dscrib una órbita circular n torno a la Tirra. Si s cambia d rpnt la dircción d su vlocidad, pro no su módulo, studiar l cambio n su órbita y n su príodo. Al cambiar sólo la
Más detallesDiseño analógico de controladores digitales.
CAPIULO 4 Dsño aalógco cotrolaors gtals. Aqul qu o ha fracasao s orqu uca ha ttao algo uvo Albrt Est. Coto: ma 4.: Cotrolaors PID gtals ma 4.: Rsño utlao la rtroalmtacó stao. ma 4.3: Métoos sño utlao la
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detallesUNIVERSIDAD DE BUENOS AIRES
NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes
Más detalles61.1 6.1. SERIES NUMÉRICAS INFINITAS 6.2. SERIES DE TÉRMINOS POSITIVOS 6.3. SERIES ALTERNANTES 6.4. SERIES DE POTENCIAS
Cp. 6 Sris 6. 6.. SERIES NUMÉRICAS INFINITAS 6.. SERIES DE TÉRMINOS POSITIVOS 6.. SERIES ATERNANTES 6.. SERIES DE POTENCIAS Objtivo: S prtd qu l studit: Dtrmi covrgci o divrgci d sris. Empl sris pr rsolvr
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detallesCAPÍTULO 2. Ecuación paraxial de Helmholtz.
CAPÍTLO Ecuacón paraal d Hlmholt. S dscut la posbldad d vsualar mdant un procsador óptco [1] a las solucons d la cuacón paraal d Hlmholt. Para llo s rala una comparacón d los rsultados obtndos consdrando
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesCAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS
CAPÍTULO 14: LAS EXPECTATIVAS: LOS INSTRUMENTOS BÁSICOS 14-1 Los tipos d intrés nominals y rals Slid 14.2 Los tipos d intrés xprsados n unidads d la monda nacional s dnominan tipos d intrés nominals. Los
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesEL MÉTODO DEL CUBO: APLICACIONES DEL MUESTREO EQUILIBRADO EN LA ORGANIZACIÓN ESTADISTICA VASCA. Aritz Adin Urtasun
EL MÉTODO DEL CUBO: APLICACIOES DEL MUESTREO EQUILIBRADO E LA ORGAIZACIÓ ESTADISTICA VASCA Artz Ad Urtasu EUSKAL ESTATISTIKA ERAKUDEA ISTITUTO VASCO DE ESTADISTICA Doosta-Sa Sbastá, VITORIA-GASTEIZ Tl.:
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesMODELO DE GESTION PARA EL PROCESO DE PRODUCCIÓN DE PRODUCTOS FUNDIDOS EN HIERRO NODULAR PARA LA EMPRESA METACOL S.A.
MODELO DE GESION PARA EL PROCESO DE PRODUCCIÓN DE PRODUCOS FUNDIDOS EN HIERRO NODULAR PARA LA EMPRESA MEACOL S.A. MODEL OF MANAGEMEN OF HE PRODUCION PROCESS OF PRODUCS FUSED IN IRON NODULAR FOR COMPANY
Más detallesComprobación de limitación de condensaciones superficiales e intersticiales en los cerramientos
Mnstro d Fomnto Scrtaría d Estado d Infrastructuras, Transport y Vvnda Drccón Gnral d Arqutctura, Vvnda y Sulo Documnto d Apoyo al Documnto Básco DB-HE Ahorro d nrgía Códgo Técnco d la Edfcacón DA DB-HE
Más detalles