Resultados da busca

O envelhecimento afeta a maioria das coisas na Terra e as baterias não são exceção a esse fenômeno. De forma bem peculiar, baterias se comportam como seres "vivos", suas partículas fluem entre dois eletrodos, há reações químicas e até mudanças mecânicas, como um efeito semelhante à "respiração" (expansão e contração dos eletrodos devido à intercalação e desintercalação do lítio durante os ciclos de carga/descarga). Elas simplesmente estão em operação, o que gera desgaste natural. Você não pode parar de envelhecer: as frotas de veículos elétricos envelhecerão (e com elas suas baterias) No entanto, quando as pessoas consideram a aquisição de um carro elétrico, o critério número um para elas é a autonomia, seguido pelo preço e pela logística de carregamento (infraestrutura e tempo de carregamento). Enquanto que a preocupação com a duração da bateria só aparece na 6ª posição. Hoje, essa classificação pode não ser surpreendente, considerando que a maioria dos veículos elétricos é comprada nova e o envelhecimento parece ser um tópico bastante técnico, com uma grande variedade de possíveis evoluções na duração da bateria, dependendo do uso do veículo elétrico. Mas, à medida que as frotas de veículos elétricos envelhecem (e com elas suas baterias), os mercados de usados ​​começam a crescer e, de repente, por bons preços de revenda, a vida útil e a saúde das baterias certamente aumentarão em sua importância (prevista). Da mesma forma, reciclar células de bateria que atingiram o fim de sua vida útil ainda é uma atividade muito dispendiosa e que consome muita energia. E, portanto, células de bateria mais duradouras e mais sustentáveis já são um fator competitivo para quem projeta e vende veículos elétricos e baterias. Logo, chegou a hora de OEMs e fabricantes de baterias entenderem o envelhecimento das baterias e desenvolverem projetos de células que proporcionem a máxima vida útil. Os engenheiros devem entender não apenas quando, mas também onde os mecanismos de envelhecimento ocorrem O uso de simulação com modelos de envelhecimento pode ajudar a acelerar significativamente a previsão da tendência de degradação de uma determinada bateria. Normalmente, simulações em nível 1D são utilizadas neste caso, pois permitem uma execução muito rápida e podem produzir anos de dados simulados em poucas horas. Ao longo deste artigo, será exemplificado como isto pode ser realizado num ambiente de simulação onde fenômenos físicos são modelados, mas antes vamos conhecer um pouco mais sobre as causas do envelhecimento das baterias. Os ingredientes tóxicos que causam o envelhecimento das células da bateria Então, o que desencadeia e afeta o envelhecimento? O envelhecimento das baterias tem suas causas raízes em vários fatores. Primeiro, sem surpresa, o tempo: esteja a célula sendo usada ou se permanecer ociosa, o tempo está em ação para permitir que alguma reação química interna induza alguma degradação do desempenho. Segundo é a temperatura: a temperatura tem um impacto significativo no processo de degradação da vida útil da bateria. Armazenamento e uso em alta temperatura (faixa alta dos limites de temperatura seguros) acelerariam o envelhecimento. Baixas temperaturas são melhores, mas combinadas com carga rápida podem ser receitas para outros efeitos de degradação. Isso leva ao terceiro critério principal, a corrente aplicada à célula. Basicamente, referindo-se ao tipo de carga aplicada à bateria. Se for usada suavemente com demandas de energia suaves e baixas, a corrente aplicada à célula será suave e afetará lentamente o envelhecimento. No entanto, se a bateria for usada de forma mais agressiva, com carga rápida mais frequente, particularmente em condições de baixas temperaturas, o modo de degradação acelerada estará ativado. Uma análise mais aprofundada dos mecanismos de degradação das células da bateria O que acontece dentro da bateria devido a esses efeitos é uma combinação de vários mecanismos de degradação: Crescimento da película da interface eletrolítica sólida: trata-se do crescimento lento de uma camada fina e porosa na superfície do material ativo, que consome átomos de lítio para crescer. À medida que cresce, o estoque de lítio disponível, usado para a operação da célula, diminui, reduzindo a capacidade da célula. Além disso, a espessura da película da Interface Eletrolítica Sólida, abreviada na indústria para “SEI”, cria uma barreira aos íons e elétrons de lítio que tentam entrar e sair do material ativo, o que aumenta a resistência elétrica geral das células. Revestimento de lítio. Neste caso, há formação de uma película metálica de lítio na superfície do material ativo, que também consome o estoque de lítio, impactando a capacidade da célula. Perda de material ativo por dissolução: O material ativo responsável pelo armazenamento de lítio é dissolvido no eletrólito devido a alguma reação colateral indesejada. A perda desse material ativo diminui ainda mais a capacidade da célula. Perda de material ativo por trincamento mecânico. O processo de intercalação e desintercalação do lítio gera algum estresse mecânico a cada ciclo. Com o tempo, partes do material ativo podem se romper e se separar do eletrodo principal. Isso resulta na perda da capacidade de armazenar lítio e na redução da capacidade da célula. As consequências desses efeitos são simples: a capacidade da bateria diminuirá, reduzindo a autonomia do veículo em comparação com a autonomia de um veículo novo. Além disso, a bateria terá menos capacidade de suportar demandas de energia agressivas, atingindo mais rapidamente os limites de segurança de voltagem inferior e máxima, o que levará ao desligamento da bateria. O envelhecimento leva tempo – isso os engenheiros não têm É por isso que baterias e fabricantes de veículos dedicam tempo e esforço para caracterizar esses fenômenos de envelhecimento. Mas aqui está um desafio: os efeitos do envelhecimento só podem ser observados após vários anos de operação. Portanto, como você pode entender, realizar testes para capturar o comportamento correto de degradação exige uma quantidade enorme de tempo e dinheiro para testar a bateria ao longo dos anos de operação! É claro que existem algumas técnicas de testes de aceleração do envelhecimento, mas os primeiros resultados só podem ser vistos após pelo menos 6 meses de testes de envelhecimento acelerado. Mas para ganhar uma vantagem competitiva, os engenheiros que analisam esses desafios de envelhecimento precisam de mais detalhes, precisam otimizar ainda mais as células da bateria e entender não apenas quando, mas também onde os mecanismos de envelhecimento ocorrem, para que possam abordar melhor os problemas de degradação localmente. A formação da célula da bateria do veículo elétrico (a carga inicial) é uma etapa crítica da fabricação em relação aos riscos de envelhecimento da célula da bateria (Imagem: Chroma ATE). Inspeção e Identificação Primeira etapa do processo. As células de bateria são verificadas e identificadas antes de iniciarem o ciclo de formação. Envelhecimento em Ambiente Controlado As células passam um tempo em repouso em temperatura ambiente. Serve para estabilizar os materiais internos após a formação. Formação Etapa onde ocorre a primeira carga da célula — também chamada de “formação”. É um processo crítico, pois define as propriedades eletroquímicas iniciais e influencia diretamente a vida útil da bateria. Envelhecimento em Alta Temperatura As células são mantidas sob altas temperaturas para acelerar o envelhecimento e identificar defeitos prematuros. Garante que apenas células estáveis avancem para as próximas fases. Teste OCV & ACR (Teste de Tensão em Circuito Aberto e Resistência AC) Testes elétricos para medir: OCV (Open Circuit Voltage)  – tensão sem carga. ACR (Alternating Current Resistance)  – resistência interna da célula. Avaliam o desempenho e a qualidade da célula. Classificação As células são classificadas de acordo com os resultados dos testes elétricos e de envelhecimento. Células com desempenho semelhante são agrupadas para formar módulos ou pacotes de bateria homogêneos. E não é só o envelhecimento que deve ser estudado durante a operação: igualmente relevante é o primeiro processo de carga, conhecido como formação, que é a etapa final crítica da fabricação antes do envio das células. Ele forma a camada protetora crucial da Interface Eletrolítica Sólida e, portanto, tem um enorme impacto na vida útil subsequente da bateria. Simulação de envelhecimento da bateria Existem diversas abordagens para alavancar a simulação para prever o envelhecimento e o processo de formação. Em primeiro lugar, nossa solução de sistemas Simcenter Amesim , utilizando modelos 1D, pode ser extremamente eficiente na geração rápida de anos de dados de simulação de envelhecimento sob diversas condições operacionais. A principal vantagem aqui é a aceleração do tempo. Modelos de envelhecimento baseados em física no Simcenter Amesim estão disponíveis desde a versão 2410, além dos modelos de envelhecimento empíricos existentes. Nesse tipo de simulação, cada célula é representada por blocos que descrevem seu comportamento elétrico e térmico — capacidade, resistência interna e troca de calor com o ambiente. Ao conectar várias células em série e paralelo, é possível prever como o desempenho e a temperatura evoluem ao longo do tempo, simulando o envelhecimento da bateria e permitindo ajustes de projeto antes de partir para análises 3D mais detalhadas no Simcenter STAR-CCM+ . Em segundo lugar, para atender à necessidade de informações espaciais, a solução 3D Cell Design do Simcenter STAR-CCM+ pode prever a evolução do envelhecimento em uma geometria de célula 3D com camadas de eletrodos resolvidas. É claro que, neste caso, o tempo de execução é muito maior do que nas simulações 1D, mas o usuário terá acesso a informações locais sobre onde o envelhecimento ocorre e poderá mitigar esses efeitos alterando o design ou as condições operacionais. Em terceiro lugar, é possível combinar as simulações 1D e 3D. A simulação 1D é usada para gerar a simulação de envelhecimento muito longo de anos de tempo físico. Os usuários podem então extrair desse ponto discreto o SOH (Estado de Saúde) da célula ao longo do período de envelhecimento, por exemplo, a cada ano. Este SOH a cada ano pode então ser um ponto de partida para uma simulação 3D, onde a célula é envelhecida apenas por um curto período, por exemplo, 1 mês de tempo físico, mas suficientemente longo para gerar a distribuição dos vários mecanismos de envelhecimento, como crescimento da Interfase Eletrolítica Sólida (SEI) ou revestimento de lítio, conforme implementado em versões mais recente do Simcenter STAR-CCM+ . Obviamente, os modelos de envelhecimento 1D e 3D são acoplados a modelos térmicos para capturar o efeito térmico na evolução dos mecanismos de degradação. Por fim, simulações 3D podem ser utilizadas para auxiliar na previsão da camada inicial de Interfase Eletrolítica Sólida (SEI) durante o processo de formação da fabricação. De fato, o modelo de crescimento da SEI pode ser usado na primeira carga de célula de bateria e prever o crescimento dessa camada protetora crítica. O recurso de Design de Célula 3D pode, então, ajudar o usuário a avaliar a evolução uniforme do crescimento da camada SEI e determinar o ponto ideal em que a camada é suficientemente espessa e a quantidade de lítio consumida para gerá-la. Isso ajudará a refinar ainda mais a estimativa da capacidade ciclável. Simulação de envelhecimento de bateria de alta fidelidade com Simcenter STAR-CCM+ Envelhecimento por meio de reações laterais parasitárias com o modelo Sub-grid Particle Surface Film Disponível desde o lançamento do Simcenter STAR-CCM+ 2406 , o modelo “ Sub-grid Particle Surface Film ” no Battery Cell Designer permite simular a resposta da célula a um ciclo de trabalho em relação a dois dos principais mecanismos de degradação O crescimento do filme da Interfase de Eletrólito Sólido (SEI) O crescimento do filme de revestimento de metal de lítio Uma partícula de material ativo, apresentada na conferência NordBatt Ambas são reações colaterais parasitárias que ocorrem durante a operação da célula. O revestimento de lítio é a deposição de metal de lítio na superfície da partícula. E o SEI é o filme criado a partir da reação entre a partícula e o eletrólito. Devido às reações secundárias, a quantidade de lítio disponível para ciclagem diminui, sendo possível monitorar a quantidade de lítio restante no eletrólito e no material ativo. Isso permite verificar o efeito na capacidade da bateria. A resistência da camada de filme (resistividade multiplicada pela espessura) também é uma função que pode ser monitorada e contribui para a resistência interna total da célula. Degradação induzida mecanicamente com o modelo Sub-grid Particle Surface Film O Simcenter STAR-CCM+ contém o " Sub-Grid Particle Aging ", que se concentra nos efeitos de degradação de natureza mecânica. Nesse caso, a perda de material ativo devido a tensões mecânicas é caracterizada pelas tensões alternadas durante a carga e a descarga, ou seja, a inserção e extração cíclicas de lítio das partículas de material ativo, o que pode levar à formação de rachaduras nos eletrodos. Isso pode causar perda de contato elétrico e redução do material ativo utilizável, levando à perda geral da capacidade da célula e ao aumento da resistência interna. Uma partícula de material ativo, apresentada na conferência NordBatt Existem dois tipos de formação de fissuras, representadas por duas opções de modelo no modelo “ Sub-Grid Particle Aging ”: O primeiro é o modelo de “Perda de Material Ativo”. Caracteriza-se pela quebra de partículas ou “blocos” de eletrodos, levando à perda de contato elétrico das partículas de material ativo, tornando-as eletroquimicamente inertes e impedindo-as de participar das reações eletroquímicas. Essas partículas representam, portanto, uma perda na capacidade da célula. O segundo efeito é o modelo de "Crescimento de Trincas Superficiais". A inserção e extração cíclicas geram trincas dentro das próprias partículas. Essas trincas expõem uma nova superfície para o crescimento da Interface Eletrolítica Sólida (SEI), levando ao consumo de Lítio e, portanto, a uma perda geral de capacidade e aumento da resistência interna. Observe que esta opção de modelo é compatível com o modelo " Sub-grid Particle Surface Film ", que permite a simulação dos efeitos de crescimento da SEI. Observe também que algumas publicações sobre o tema sugerem que a tortuosidade, que descreve o quão sinuoso ou indireto é o caminho que os íons de lítio precisam percorrer dentro dos poros do material eletrodo, deve aumentar à medida que as trincas superficiais crescem. Uma estrutura confiável de simulação de envelhecimento de bateria Os modelos de envelhecimento mencionados foram validados com base em medições experimentais geradas durante o projeto MODALIS² , financiado pela Comissão Europeia, que se concentrou no desenvolvimento de modelos de envelhecimento baseados em física para a última geração de células de bateria de íons de lítio. Este trabalho foi realizado com importantes parceiros industriais especialistas na área de baterias, como um fabricante de células, um fornecedor de cátodos e um fornecedor de eletrólitos. Dito isso, graças à alta fidelidade da modelagem física e à implementação tridimensional exclusiva dos modelos, esses modelos de envelhecimento oferecem a capacidade de localizar as áreas da célula mais impactadas por todos os tipos de envelhecimento. Isso é apenas em teoria. Então, vamos analisar esses modelos em ação. Simulando ciclos de envelhecimento em 3D Esse primeiro exemplo foi apresentado na conferência NordBatt em 2022 pelo colega Stefan Herberich da SIEMENS . Foi usado um protótipo de célula utilizado no projeto MODALIS² , financiado pela UE , e a célula é testada ao longo de vários ciclos com condições agressivas de envelhecimento para localizar as áreas fracas onde a degradação é mais dominante. A célula considerada consiste em 15 camadas eletroquímicas. A célula discretizada é mostrada abaixo, juntamente com alguns resultados. No total, existem aproximadamente 200.000 células de volume finito. Em particular, a direção da espessura é discretizada usando 10 células por camada de ânodo e cátodo e 2 células para o separador e coletores de corrente. O ciclo de acionamento consiste nas seguintes etapas: primeiramente, realiza-se o carregamento com corrente constante (CC), aplicado a uma taxa de 2C. As taxas C indicam a relação entre a corrente de carga e a capacidade da bateria — em 1C, uma bateria completamente descarregada (0% de estado de carga, ou SOC) é totalmente carregada em 1 hora; em 2C, a corrente é o dobro, e o carregamento é concluído em aproximadamente 30 minutos. Caso a tensão ultrapasse 4,2 V, o processo passa para o modo de carregamento com tensão constante, mantendo-se em 4,2 V até que o estado de carga atinja 95%.O limite de 4,2 V é alcançado rapidamente. Em seguida, a bateria permanece em repouso por pouco mais de 3 minutos e, então, é descarregada até 60% do estado de carga, também a uma taxa de 2C. Após novo período de repouso, o ciclo completo é repetido dez vezes. Interpretações de resultados O estudo fornece insights sobre os efeitos dos dois mecanismos de envelhecimento que ocorrem: o crescimento do SEI e a influência das reações colaterais do revestimento de lítio. As imagens mostram a espessura média da camada de SEI ao redor da partícula e a espessura média equivalente do lítio revestido em uma partícula, respectivamente. Foram observados os resultados correspondentes no plano do ânodo e em uma seção transversal na direção da espessura da célula. Além da análise sobre SEI, este estudo também mostra importante informação sobre o LAM (Loss of Active Material) ou Perda de Material Ativo, que se refere à degradação ou inutilização do material eletrodo que participa das reações eletroquímicas. No plano: as condições de contorno térmico são tais que as temperaturas mais altas são observadas no centro da célula da bateria. Nesse local, a dependência da temperatura de múltiplos parâmetros do material leva a maiores taxas de crescimento do SEI. O LAM é pronunciado próximo às abas da bateria, onde são observadas as maiores taxas de variação de tensão. Em espessura: Como esperado, o crescimento do SEI e do LAM são maiores perto do separador. As condições de operação são tais que o metal de lítio, com perfil homogêneo inicialmente especificado, é dissolvido mais rapidamente do que depositado, especialmente perto do separador. SEI durante a etapa de formação O segundo estudo será sobre SEI durante a carga inicial, também conhecida como formação. Utilizando os resultados apresentados em “Andrew Weng et al. 2023 J. Electrochem. Soc. 170 090523”, o Simcenter STAR-CCM+ e o modelo “ Sub-grid Surface Film ” foram utilizados para replicar este estudo. O artigo descreve a formação de SEI, ou seja, o acúmulo de uma camada de passivação no ânodo de grafite de uma bateria durante os primeiros ciclos de carga. A camada de filme é formada devido a uma reação lateral dos componentes do solvente S, carbonato de etileno (EC) e carbonato de vinila (VC), com Li+, que produz os componentes do filme P, dicarbonato de etileno de lítio (LEDC) e dicarbonato de vinila de lítio, e subprodutos gasosos Q. Apenas as primeiras 4 horas do processo de formação foram simuladas, é quando ocorre a dinâmica rápida e a mudança do regime cineticamente limitado para o regime de reação limitado por difusão. Os resultados correspondem razoavelmente à referência: Os resultados demonstram a capacidade de usar o Simcenter STAR-CCM+ em uma abordagem para entender o processo de formação do SEI, mas também para poder controlá-lo melhor e traz o potencial de reduzir sua duração geral, que em alguns casos pode durar até ~20 dias. Quer entender como prever e mitigar o envelhecimento das baterias com alta precisão e eficiência? Agende uma reunião com a CAEXPERTS e descubra como as soluções Simcenter Amesim e STAR-CCM+ podem revolucionar o desenvolvimento de células mais duradouras e sustentáveis para veículos elétricos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Construa um Sistema de Armazenamento de Energia de Bateria (BESS) escalável e obtenha elevado retorno de investimento Este post tem como foco o papel crucial do armazenamento de energia na promoção da sustentabilidade e da lucratividade das empresas. Ao integrar o BESS com fontes de energia renováveis, as empresas podem obter economias significativas de custos, reduzir sua pegada de carbono e impulsionar a lucratividade a longo prazo. Vamos investigar como os líderes do setor de BESS estão criando plantas digitais, aumentando a flexibilidade e construindo uma vantagem competitiva em um mercado em rápida transformação. Se a sua empresa está pronta para liderar a transição para BESS, este é o seu roteiro. A simulação do sistema desempenha um papel crucial A simulação de sistemas desempenha um papel crucial na avaliação técnico-econômica de sistemas de armazenamento de energia de bateria (BESS) no setor de energia, especialmente quando integrados a fontes de energia renováveis, como turbinas eólicas e sistemas solares fotovoltaicos (FV). Vários casos de uso cobertos pelo BESS Aqui estão alguns aspectos principais: Equilibrando a geração e o consumo de energia : Redução de pico e deslocamento de carga : ao simular diferentes perfis de carga, o BESS pode ser otimizado para redução de pico (redução da demanda de pico) e deslocamento de carga (transferência do consumo de energia para horários fora de pico), o que pode reduzir os custos de energia e melhorar a eficiência da rede. Estabilidade da rede : as simulações podem avaliar como o BESS pode ser usado para equilibrar a geração intermitente de energia renovável com a demanda da rede, melhorando a estabilidade e a confiabilidade da rede Integração com Energias Renováveis : Gestão de Energia : Estratégias avançadas de gestão de energia podem ser simuladas para coordenar a operação do BESS com a geração renovável, garantindo que a energia seja armazenada e distribuída da forma mais eficiente possível. Inclua as condições climáticas. Evolução do Preço da Energia : Previsão e Otimização : Simulações de sistemas podem modelar cenários futuros de preços de energia, ajudando a otimizar a operação do BESS para arbitragem de energia (comprar na baixa e vender na alta). Isso garante que o BESS seja usado da maneira mais econômica possível. OPEX/CAPEX : Análise de Custos : Simulações podem fornecer análises detalhadas de custo-benefício, incluindo despesas de capital (CAPEX) e despesas operacionais (OPEX). Isso ajuda a compreender a viabilidade financeira e o período de retorno dos projetos BESS. Modelagem de degradação : ao simular a degradação das células da bateria ao longo do tempo, é possível estimar os custos de manutenção e cronogramas de substituição, que são essenciais para o planejamento financeiro de longo prazo. No geral, a simulação do sistema fornece uma estrutura abrangente para avaliar a viabilidade técnica e econômica dos projetos BESS, ajudando as partes interessadas a tomar decisões informadas sobre investimentos e operações. Vamos descobrir juntos as fases iniciais de um projeto de Sistema de Armazenamento de Energia de Bateria (BESS), com foco em algumas avaliações técnico-econômicas para ter sucesso (OPEX/CAPEX, evolução do preço da energia, balanceamento de carga, retorno do investimento), passando por diferentes etapas com o Simcenter System Simulation : Para calcular a conta de luz do seu cliente Considerando algumas previsões meteorológicas A partir de energias renováveis ​​(solar fotovoltaica) Otimização do Sistema de Armazenamento Elétrico de Bateria (BESS) e estratégia de controle Até resultados típicos em operações baseadas em cenários realistas O caso de uso aqui é uma unidade de processamento de alimentos perto de Lyon, na França. Alguns esforços foram dedicados à modelagem do sistema solar fotovoltaico (FV) integrado ao BESS e aos consumidores ao redor. Com sua carga e sistema de aquecimento representados durante um período de 1 ano (janeiro a dezembro). O gêmeo digital considera as operações do BESS solar FV com diferentes estruturas tarifárias de eletricidade e custos unitários de FV ou BESS. Portanto, aborda o valor técnico-econômico da adoção do BESS em estruturas tarifárias dinâmicas. Embora o estudo de caso tenha sido realizado na França, é importante destacar que resultados ainda mais expressivos poderiam ser obtidos em países com maior incidência solar, como o Brasil. A elevada irradiância ao longo do ano aumenta significativamente o potencial de geração fotovoltaica, ampliando a eficiência do BESS e reduzindo o tempo de retorno do investimento. Dessa forma, a combinação entre o alto recurso solar e a aplicação de estratégias de simulação avançadas torna o cenário brasileiro especialmente promissor para projetos de armazenamento de energia e integração com fontes renováveis. Melhor design para excelência operacional À medida que a economia BESS ganha um impulso sem precedentes, as empresas correm para atender à crescente demanda por energia limpa. No entanto, escalar a produção e, ao mesmo tempo, permanecer lucrativo, sustentável e resiliente representa um desafio formidável. Produtores de BESS e fabricantes de equipamentos precisam superar sistemas de dados fragmentados, altos custos de energia e complexidades da cadeia de suprimentos para se manterem à frente. Empresas que buscam a excelência operacional já estão transformando esses desafios em oportunidades. Ao utilizar gêmeos digitais e simulações avançadas, elas estão otimizando processos, reduzindo custos e melhorando a escalabilidade. A indústria energética precisa do BESS para economizar dinheiro e reduzir as emissões de carbono Gêmeo digital para uma unidade industrial Trata-se de um gêmeo digital BESS distribuído para prever e otimizar o desempenho do sistema com multifísica. Inclui os consumidores (instalação de processamento de alimentos: 20 °C) com o sistema de aquecimento e a carga do cliente, a conexão à rede, a energia solar fotovoltaica com painéis solares, as baterias estacionárias, bem como um controlador inteligente baseado nas condições climáticas e na flutuação do preço da energia. Gêmeo digital do BESS no Simcenter Amesim Na imagem acima, os blocos Sistema de Aquecimento, Carga do Consumidor e Energia da Rede Elétrica foram modelados no Simcenter Amesim com base em tabelas contendo dados reais de operação da instalação industrial e fórmulas pré-definidas para o cálculo do consumo e do custo de energia proveniente da rede elétrica. Esses blocos permitem representar o comportamento energético do sistema sob diferentes condições de carga, fornecendo uma base confiável para análise de desempenho e custo operacional dos sistema BESS. Já os blocos de Painel Solar e Bateria utilizam modelos físicos simplificados para representar o funcionamento real desses dispositivos. A geração fotovoltaica é simulada a partir de dados históricos de irradiância solar e temperatura ambiente, enquanto o modelo da bateria foi parametrizado com base em informações de catálogos técnicos, permitindo prever estados de carga, eficiência e capacidade disponível. Esses modelos capturam a dinâmica energética do sistema. Por fim, o bloco de Controle Inteligente atua integrando todas essas informações para realizar a tomada de decisões em "tempo real". Assim, o controle otimiza o fluxo de energia entre geração, armazenamento e consumo, buscando reduzir custos e melhorar o desempenho global do sistema. Ao executar a simulação, os usuários podem acessar todas as variáveis ​​dos diferentes subsistemas. Assim, a informação completa está disponível, desde a carga do consumidor [kW] até a conta de energia elétrica ao longo do tempo [€] (1€ » 1$). Foi considerada a evolução do preço da energia elétrica ao longo do ano, com sua flutuação diária. Abaixo, estão representadas duas evoluções de preços no dia 1 (janeiro) e no dia 190 (julho), para obter informações sobre os preços mínimos/máximos em vários períodos do ano. Resultados típicos obtidos com o gêmeo digital BESS O painel solar inclui sua localização GPS, fator de turbidez (efeito de partículas, semelhante à fumaça no ar) ou fator de cobertura de nuvens (para condições climáticas). Evolução do fator de cobertura de nuvens para as condições meteorológicas Ao mesmo tempo, a evolução da temperatura externa é incluída a partir de um banco de dados conhecido, permitindo que os usuários avaliem seu impacto no sistema de aquecimento, considerando o valor de ajuste da temperatura interna de fábrica. Evolução das temperaturas (teto, exterior, interior) e da potência do ar condicionado Esta análise permite calcular as informações associadas, como, por exemplo, a potência do ar condicionado [W] ou o consumo de energia de todos os subsistemas ao redor. Dessa forma, os usuários obtêm uma evolução realista das potências para avaliar o mecanismo de balanceamento e as estratégias de controle ideais a serem implementadas em seu sistema BESS. Macroanálise do BESS com cenários realistas O modelo da unidade de industrial permite sua exploração em massa. As análises são realizadas em poucos minutos, abrindo portas para cenários longos e complexos. Geração e consumo de energia [kW] para todos os subsistemas (a bateria está inativa aqui) Os usuários podem avaliar de forma prática a geração, o armazenamento e o consumo de energia de todos os subsistemas. Enquanto isso, o controle inteligente gerencia o Sistema de Gerenciamento de Energia (SGE) para distribuir a energia, armazená-la no BESS ou entregá-la à rede. Sendo todas as evoluções intermitentes ou dinâmicas, é por isso que uma ferramenta de Simulação de Sistemas, como o Simcenter Amesim , é necessária para otimizar o dimensionamento e as estratégias de controle. Por fim, o usuário pode acessar as variações dos fluxos de energia ao longo do tempo. Você pode, por exemplo, verificar a energia gerada pelos painéis solares ou trazida pela rede, bem como a energia fornecida pela bateria. Ela corresponde à energia necessária para a carga, enquanto alguns pequenos níveis de energia são retirados da rede ou restituídos à bateria fora dos períodos de pico, quando a demanda é baixa. Variações dos fluxos de energia ao longo do tempo Essa é uma grande conquista! Já pode-se observar bons resultados graças ao gêmeo digital com o Simcenter System Simulation . Mas é possível ir muito além, mais no aspecto técnico-econômico. Veja como você pode economizar US$ 1 milhão em 20 anos, reduzindo simultaneamente uma enorme quantidade de emissões de CO₂ ,  até -17 toneladas de CO₂ equivalente. Economize 1 milhão de dólares e toneladas de CO₂ equivalente Serão abordados agora os aspectos de negócios e descarbonização, com o objetivo de demonstrar como é possível criar uma previsão escalável para sistemas BESS, de modo a mensurar e replicar sucessos significativos. O gêmeo digital da unidade de processamento de alimentos é equipado com meta-informações para produzir os KPIs econômicos relevantes (indicadores-chave de desempenho) para garantir sua monetização, retorno sobre o investimento (ROI) ou payback por meio de CAPEX (despesas de capital) ou OPEX (despesas operacionais). Custos operacionais [$k] durante o cenário A referência é a conta de luz sem painéis solares nem BESS. São US$ 103 mil pagos durante 1 ano. Com a instalação dos painéis solares e do BESS, pode-se capturar a nova conta de luz, que agora é de US$ 33 mil após 1 ano, com um investimento de US$ 625 mil para o sistema fotovoltaico e US$ 77 mil para o BESS. Isso corresponde a uma economia de US$ 70 mil por ano em OPEX, graças à instalação. Descontando os custos de CAPEX, obtem-se um benefício de US$ 698 mil após 20 anos de operação. Os custos de CAPEX são reembolsados ​​após um período de retorno de 10 anos. Sabendo que o valor dobra a cada 15 anos devido à taxa de juros, pode-se considerar que a economia real chegará a US$ 1 milhão após 20 anos. Observe que este é um cálculo preliminar que mostra o potencial, enquanto coisas como inflação e custos de manutenção não são cobertos, o que é bom para uma primeira estimativa. Lucratividade [$k] incluindo retorno [ano] Agora é o momento certo para otimizar o dimensionamento e extrair o máximo valor da nova instalação. Descubra em poucos cliques os benefícios máximos e os melhores retornos. Foi configurado um estudo em lote para variar alguns parâmetros selecionados, definidos como o número de painéis solares (366, 488, 610) e o número de racks de baterias (0, 100, 150). Observa-se que é possível reduzir o período de retorno para aproximadamente 9 anos (-11%) nas configurações mais favoráveis, enquanto outras opções podem estendê-lo para até 12 anos (+20%). Comparação do retorno do investimento [ano] dependendo do número de painéis solares e do número de racks Por fim, para a boa saúde da Terra em relação às mudanças climáticas, também é fundamental observar a redução das emissões de carbono graças às fontes renováveis, ao sistema BESS e às estratégias de controle inteligentes. Emissões de CO₂ da rede, carga e aquecimento, bem como a redução total de CO₂ por ano Foi alcançada uma redução significativa de 17 toneladas de CO₂ equivalente por ano. Esse resultado representa uma contribuição relevante para o processo de sustentabilidade por meio da descarbonização. Todas essas conquistas foram obtidas com o uso do gêmeo digital por meio do Simcenter System Simulation . Indo mais longe Pode-se até ir um pouco além, introduzindo um novo paradigma com um controle de supervisão da rede. As tecnologias mais recentes e inovadoras permitem combinar inteligência artificial (IA), previsão do tempo e dados transmitidos. Este gêmeo digital offline é convertido em um gêmeo digital executável que conecta dados de desempenho em tempo real com informações precisas e bem orquestradas da planta e ferramentas de simulação, para que você possa solucionar situações críticas do sistema (picos durante a comutação, ...) ou se beneficiar ainda mais do preço e da redução de CO₂. Que ótima perspectiva! Controle de supervisão de rede, combinando IA, previsão do tempo e dados transmitidos Em resumo, os proprietários-operadores no negócio global de BESS têm uma oportunidade histórica de expandir seus negócios e participação de mercado nas próximas décadas. As empresas que emergirão como líderes no setor de entregas serão aquelas que conseguirem superar a complexidade do BESS e transformá-la em vantagem competitiva. A simulação de sistemas definitivamente ajuda a ter sucesso em sua jornada BESS graças à digitalização, com integração de sistemas e controles inteligentes. Agende uma reunião com a CAEXPERTS  e descubra como transformar o potencial do seu projeto BESS em resultados reais. Nossos especialistas mostram como o uso de gêmeos digitais e simulação de sistemas pode otimizar o dimensionamento, reduzir OPEX e acelerar o retorno sobre o investimento (ROI) — tudo enquanto sua empresa avança na transição energética e descarbonização. Dê o próximo passo rumo à eficiência e sustentabilidade: fale conosco hoje mesmo. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Desafio: alcançar uma prototipagem virtual rápida e precisa O projeto ideal de transmissões multiatributo continua sendo um desafio crítico para engenheiros de transmissão, ganhando ainda mais importância na era dos veículos elétricos. A indústria automotiva atual exige sistemas de transmissão que se destaquem em múltiplos aspectos: minimizando ruídos e vibrações, maximizando a densidade de potência e a eficiência, ao mesmo tempo em que garantem desempenho de durabilidade sem precedentes. Para isso, engenheiros de transmissão precisam projetar transmissões inovadoras que atendam aos critérios de desempenho multiatributo. A Engenharia Assistida por Computador (CAE) permite que engenheiros da indústria criem protótipos virtuais e otimizem a otimização de seus próximos produtos. Simulações são essenciais para prever e otimizar com precisão o comportamento dos componentes e o desempenho da transmissão em nível de sistema ao longo do ciclo de desenvolvimento. Modelos poderosos baseados em física e recursos de simulação estão disponíveis, os quais modelam com precisão produtos reais, realizam simulações preditivas e otimizam o desempenho do produto em termos de estática, dinâmica, aerodinâmica, acústica, durabilidade, etc. Esses modelos baseados em física, como os modelos de Elementos Finitos (EF), são adotados com sucesso em fluxos de trabalho de desenvolvimento industrial. Para simulações de alta fidelidade (por exemplo, simulações detalhadas de contato de EF), a fidelidade do modelo deve aumentar para permitir previsões precisas, o que, infelizmente, também aumenta o tempo e o custo computacional do modelo. Em CAE, as tecnologias de Inteligência Artificial (IA) e Machine Learning (ML) estão revolucionando as simulações físicas. Entre os avanços, a modelagem substituta para simulações físicas experimenta rápido crescimento graças a técnicas e arquiteturas avançadas de IA. Modelos substitutos, ou modelos de ordem reduzida (ROMs), oferecem alternativas eficientes a simulações de alta fidelidade computacionalmente dispendiosas (como simulações detalhadas de contato de elementos finitos). Esses modelos substitutos baseados em IA/ML, capazes de fornecer previsões rápidas e precisas, mantendo alta fidelidade, liberam o potencial para a exploração extensiva e automatizada do espaço de projeto, permitindo que engenheiros avaliem com eficiência milhares de variantes de projeto em uma fração do tempo exigido pelos métodos de simulação tradicionais. Engrenagens, como componentes críticos em sistemas de transmissão, beneficiam-se particularmente dessas abordagens avançadas de simulação, pois seu projeto exige consideração cuidadosa de deformação, tensões de contato e flexão, além de durabilidade. Este artigo apresenta um novo método de análise de projeto de engrenagens que combina os pontos fortes dos modelos de EF e IA/ML para obter uma previsão eficiente e precisa das tensões nas engrenagens, demonstrando como essa tecnologia pode ser implementada na prática em fluxos de trabalho industriais. Solução: combinar modelos poderosos de alta fidelidade com IA/ML O inovador método de análise de tensões em engrenagens explora os poderosos recursos de simulação preditiva dos modelos de elementos finitos (FE) para gerar dados de simulação precisos, que são então usados ​​para treinar um modelo substituto de IA/ML. Uma vez treinado, o eficiente modelo substituto de IA/ML pode prever com precisão as tensões nas engrenagens para combinações inéditas de parâmetros de projeto. Isso combina os pontos fortes de FE e IA/ML em um novo recurso de análise de tensões em engrenagens acelerado por IA/ML que fornece previsões precisas rapidamente. O fluxo de trabalho de simulação para análise abrangente de engrenagens integra os recursos das soluções de software Simcenter 3D e Simcenter Nastran , enquanto o Simcenter HEEDS atende ao duplo propósito de automatizar a geração de dados para treinamento de modelos de IA/ML e orquestrar estudos de otimização multiobjetivo que fazem uso dos cálculos do modelo de IA/ML. A Figura 1 ilustra o fluxo de trabalho de geração automatizada de dados, no qual o Simcenter HEEDS orquestra o processo de simulação baseado em física. O fluxo de trabalho agiliza a criação de conjuntos de dados de engrenagens, incorporando elementos das metodologias de otimização de projeto de engrenagens de movimento 3D do Simcenter. Para cada projeto, primeiro a macrogeometria e a microgeometria do par de engrenagens são avaliadas antes que o módulo de análise de elementos finitos não lineares (NLFEA) gere o modelo de elementos finitos e utilize o Simcenter Nastran para o contato automatizado das engrenagens baseado em elementos finitos. Figura 1: Fluxo de trabalho de geração automatizada de dados de engrenagens, envolvendo o Simcenter HEEDS como orquestrador Este fluxo de trabalho adota modelos de simulação baseados em física de alta fidelidade, trazendo diversas vantagens aos engenheiros de projeto: previsões altamente precisas do comportamento no mundo real por meio de modelagem detalhada de fenômenos físicos (como a mecânica de contato não linear em engrenagens) e uma compreensão profunda de interações e fenômenos complexos que poderiam passar despercebidos em modelos mais simples. Esses modelos detalhados fornecem uma fonte confiável de dados de treinamento para modelos de IA e validação de modelos de IA . Para acelerar a análise de tensão e durabilidade de engrenagens, essa abordagem substitui a análise de contato tradicional baseada em NLFEA por um modelo substituto de IA/ML, treinado com base nos resultados da análise de contato de NLFEA, para prever a alteração da tensão na peça bruta e na raiz do dente ao longo do ciclo de engrenamento da engrenagem. A ROM resultante, baseada em IA/ML, oferece tempos de computação significativamente reduzidos em comparação com as simulações baseadas em NLFEA de ordem completa, permitindo iterações rápidas de projeto. A incorporação do modelo de IA/ML aos fluxos de trabalho padrão de simulação de projeto de engrenagens cria um processo acelerado por IA/ML que permanece altamente preciso, ao mesmo tempo que abre portas para estudos de otimização multiobjetivo (normalmente inatingíveis por meio de modelos de elementos finitos tradicionais, que exigem muitos recursos). Dois elementos de solução adicionais são introduzidos para concretizar os fluxos de trabalho acelerados de IA/ML: Simcenter Reduced Order Modeling que permite a criação e implantação de ROMs a partir de dados de simulação e teste. Uma futura tecnologia de IA do Simcenter para modelagem substituta 3D que aproveita técnicas de aprendizado do operador. Resultados: realize análises rápidas e precisas de tensão nas engrenagens Foi introduzido um fluxo de trabalho de solução, com o objetivo de combinar o poder de modelos de alta fidelidade com modelos de IA/ML para obter análises de tensão em engrenagens aceleradas por IA/ML. Esta seção apresenta um caso de uso de engrenagem para comparar o fluxo de trabalho com o objetivo de obter análises de tensão em engrenagens eficientes e precisas. O caso de uso do projeto de engrenagem é descrito abaixo e tem quatro parâmetros de projeto: o ângulo de pressão normal, na faixa [18°-22°], o coeficiente de adendo do Pinhão, no intervalo [1,00-1,30], o coeficiente de adendo da Roda, no intervalo [1,00-1,30], e o coeficiente de deslocamento do perfil do pinhão, na faixa [0,35-0,70]. Utilizando o Simcenter HEEDS e o Simcenter Nastran , foram criados 81 projetos de engrenagens, variando os quatro parâmetros de projeto por meio de um DOE fatorial completo de nível 3. O conjunto de dados foi dividido aleatoriamente em 64 projetos como conjunto de treinamento e 17 projetos como conjunto de teste. Um modelo de IA/ML com aprendizado de operadores baseado em transformadores é treinado para prever tensões na superfície da engrenagem, considerando a geometria da superfície e as forças de contato como entradas do modelo. Neste primeiro estudo, optou-se por fazer com que o modelo de IA/ML aprendesse o campo de tensões de von Mises com sinal tridimensional completo, que captura tanto o comportamento compressivo quanto o de tração. A tensão de von Mises com sinal é criada por meio do pós-processamento do tensor tridimensional completo em cada nó, que é armazenado nos resultados de contato baseados em NLFEA. O modelo se concentra nos nós da superfície onde as falhas normalmente se iniciam (raiz do dente e regiões de contato), otimizando a eficiência computacional e mantendo a precisão para previsões de tensões críticas. Três abordagens são avaliadas para o caso de uso de projeto de engrenagem: Referência FE: Simulações de contato baseadas em NLFEA (Referência), ML com Forças FE: previsões de IA/ML usando forças de contato NLFEA, ML com forças de movimento: previsão de IA/ML usando forças de contato de movimento do Simcenter 3D . As forças de contato de engrenagens baseadas em múltiplos corpos (calculadas via Simcenter 3D Motion ) são usadas neste estudo, pois fornecem uma alternativa computacionalmente eficiente às caras análises de elementos finitos não lineares, ao mesmo tempo em que mantêm precisão suficiente na previsão de distribuições de força de contato – um aspecto que será crucial para futuros fluxos de trabalho de otimização de projeto. A Figura 2 apresenta uma análise do campo de tensões completo usando as três abordagens. O campo de tensões previsto pelo modelo substituto AI/ML com forças de contato baseadas em EF como entrada (Fig. 2b) mostra-se quase idêntico ao dos resultados baseados em EF de referência (Fig. 2a), enquanto o campo de tensões previsto pelo modelo substituto AI/ML com forças de contato baseadas em movimento como entrada (Fig. 2c) mostra apenas pequenos desvios dos resultados de referência. Essas descobertas são confirmadas pela Figura 3, que apresenta os resultados para a tensão na raiz do dente durante cinco ciclos de malha para um ponto localizado ao longo do meio da largura da face e no meio do arco da raiz do dente. Figura 2: Campos de tensão de Von Mises (sinalizados), calculados a partir de a) simulações de contato baseadas em NLFEA, b) modelo ML com forças baseadas em FE (entrada), c) modelo ML com forças baseadas em movimento (entrada), para um caso de exemplo de engrenagem de pinhão. Figura 3: Comparação da tensão da raiz do dente para um ponto (flanco médio, arco da raiz média) ao longo de 5 ciclos de malha (criados com base na tensão de 5 dentes durante 1 ciclo de malha) para um caso de exemplo de engrenagem de pinhão, Figura 3. Embora a geração de dados e o treinamento de modelos de IA/ML exijam um investimento inicial de tempo, esses são processos offline únicos. O modelo treinado resultante permite previsões rápidas, ideais para exploração e otimização eficientes do espaço de design. O modelo de IA/ML utilizado neste estudo requer cerca de 0,1 segundo para calcular o campo de tensões completo para um ponto no ciclo da malha, enquanto uma simulação de contato NLFEA requer, em média, cerca de 5 minutos. Sabendo que um ciclo de malha completo requer cerca de 20 a 30 configurações angulares por par de engrenagens e que uma transmissão industrial possui múltiplos pares de engrenagens para os quais centenas de variantes são exploradas, a inclusão dos modelos substitutos de IA/ML pode realmente acelerar a otimização do projeto de engrenagens. Conclusão e perspectivas Este estudo demonstra a integração bem-sucedida de modelos substitutos de IA/ML em fluxos de trabalho de projeto de engrenagens, alcançando velocidade e precisão na previsão de tensões. A abordagem de IA/ML fornece resultados que se aproximam muito das análises tradicionais de elementos finitos não lineares, sendo, ao mesmo tempo, muito mais rápida. Essa melhoria drástica na velocidade, combinada com a manutenção da precisão, abre novas possibilidades para a exploração abrangente do espaço de projeto e a otimização de sistemas de transmissão. O fluxo de trabalho desenvolvido, apoiado pelas ferramentas Simcenter e validado por meio de estudos de caso práticos, demonstra efetivamente a viabilidade industrial do projeto de engrenagens e transmissões acelerado por IA/ML. Referências D. Park, A. Rezayat and Y. Gwen, “Gear design optimization for multi-mesh and multi-power flow transmissions under a broad torque range incorporated with multibody simulations”, in VDI International Conference on Gears 2022, Munich, Germany, 2022. M. Vivet, J. Melvin, S. Donders, “Advancing bevel gear contact simulation towards quiet transmissions”, Simcenter Blog, August 19, 2024. M. Vivet, D. Park, A. Scheuer, “AI/ML-accelerated gear durability analysis within gear design optimization”, in VDI International Conference on Gears 2025, Garching near Munich, Germany, September 10-12, 2025. Agende uma reunião com a CAEXPERTS e descubra como acelerar a análise de tensões em engrenagens com soluções que combinam simulação de alta fidelidade e Inteligência Artificial. Combinando modelos de alta fidelidade e IA/ML, ajudamos sua empresa a reduzir tempo de desenvolvimento, aumentar a precisão das análises e acelerar a inovação em sistemas de transmissão. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

O Solid Edge com tecnologia síncrona e ordenada, de forma que a modelagem se torna simples e rápida, mantendo-se o controle e a parametrização dos projetos e modelos, mesmo quando importados de outros softwares. Parametrização; Renderização fotorrealística; KeyShot; Elementos Finitos (FEA); Simulação térmica; SIEMENS. Solid Edge O Solid Edge é uma plataforma de ferramentas de softw are acessíveis e fáceis de usar que trata de todos os aspectos do processo de desenvolvimento de produtos. Ele combina a velocidade e a simplicidade da modelagem direta com a flexibilidade e o controle do projeto paramétrico – graças à tecnologia síncrona. O Solid Edge possui uma interface multi CAD inteligente e trata não somente da modelagem de maneira simples e ágil, devido à tecnologia síncrona aplicada, como de todo o processo de desenvolvimento de produtos e projetos 3D, simulação, manufatura, engenharia reversa, gerenciamento de dados, entre outros, sem deixar de lado a flexibilidade e controle paramétrico dos projetos. Contate um Especialista Tecnologia síncrona Parametrização Renderização O Solid Edge integra a tecnologia síncrona e ordenada, de forma que a modelagem se torna simples e rápida, mantendo-se o controle e a parametrização dos projetos e modelos, mesmo quando importados de outros softwares . A Parametrização permite um controle maior e mais organizado do modelo, no formato de planilha, das dimensões de um determinado rascunho ou peça modelada. É possível renomear as variáveis, alterá-las, adicionar regras, intervalos limites e fórmulas aos seus valores, entre outras funcionalidades. Também é possível fazer a integração da tabela de variáveis do Solid Edge com planilhas do Excel de forma simples e rápida. Projetado para facilitar a renderização, o KeyShot, com funções integradas ao Solid Edge, permite aplicação de materiais e iluminação de forma rápida, criando aspectos fotorrealísticos incríveis em uma interface simples e poderosa que fornece recursos avançados e a capacidade de acompanhar as alterações em tempo real. Solid Edge Simulation Análise de Elementos Finitos (FEA) Criação automática de modelos de elementos finitos Definições de condição de contorno para ambientes realistas Ferramentas Completas de pós-processamento Simulação de movimento completa Análise e simulação de estresse Simulação térmica O Solid Edge Simulation é uma ferramenta integrada de análise de elementos finitos (FEA), que permite a validação de projetos de peças e montagens digitalmente no ambiente Solid Edge. Baseado na comprovada tecnologia de modelagem de elementos finitos Femap e do solver NX Nastran, o Solid Edge Simulation ajuda avaliar o comportamento mecânico das peças do projeto. Com o Solid Edge Simulation, você pode criar modelos de elementos finitos para estruturas sólidas e de chapas metálicas automaticamente, além de fazer ajustes para refinar a malha e melhorar a precisão dos resultados. Para montagens, o Solid Edge Simulation oferece detecção de contato automática e configura interações realísticas de componentes, incluindo contato interativo linear e colado. O Solid Edge Simulation oferece todas as definições de condição de contorno necessárias para modelar ambientes operacionais realistas para análise. As cargas e restrições estão baseadas na geometria e são fáceis de configurar. Valide o desempenho térmico e de resfriamento, como a transferência de calor transitória com os resultados do histórico de tempo. Interprete e compreenda o comportamento do modelo rapidamente com as ferramentas gráficas de pós-processamento do Solid Edge Simulation. Se os resultados mostram que um refinamento do projeto é necessário, o Solid Edge Simulation permite que você realize isso facilmente, utilizando a tecnologia síncrona do Solid Edge para realizar as alterações necessárias no modelo. Avalie e visualize como as peças vão interagir em uma montagem. Entenda como um produto realiza todo o seu ciclo operacional e veja como ele funcionará no mundo real. A análise estática verifica se as montagens estão sobrecarregadas, com base na quantidade de estresse exercida sobre elas, e verifica a resistência mecânica das mesmas. Ambas, a análise de transferência de calor em estado estacionário e a análise de tensão térmica, permitem que projetistas ou engenheiros analisem as condições térmicas em montagens mecânicas, ou eletromecânicas. ⇐ Voltar para Ferramentas

Simcenter STAR-CCM+ software de dinâmica de fluidos computacional (CFD) com capacidade de executar simulações multifísicas complexas de produtos operando em condições reais de funcionamento. Fluxo de partículas DEM; Simulação Eletroquímica; Objetos em movimento; Multifásico; Reativo; Reologia; Bateria; Motor; Sólidos; Simcenter STAR-CCM+ O Simcenter STAR-CCM+ é um software de dinâmica de fluidos computacional (CFD) com capacidade de executar simulações multifísicas complexas de produtos operando em condições reais de funcionamento. O Simcenter STAR-CCM+ também traz embarcado tecnologia de exploração e otimização de projetos como base do kit de ferramentas de simulação disponível ao engenheiro. O ambiente integrado único inclui todo o workflow de trabalho, desde CAD, geração de malha automatizada, CFD multifísico, pós-processamento sofisticado e exploração de design. Isso permite que os engenheiros explorem com eficiência todo o espaço de projeto para tomar melhores decisões e mais rapidamente. A percepção adicional obtida com o uso do Simcenter STAR-CCM+ para orientar seu processo de design leva a produtos mais inovadores que excedem as expectativas do cliente. Contate um Especialista Simulação de dinâmica de fluidos computacional (CFD) Fluxo de partículas Exploração do projeto Simulação Eletroquímica Objetos em movimento Simulação de Fluxo Multifásico Escoamento Reativo Modelagem e Reologia Simulação térmica Simulação de bateria Co-simulação Máquinas elétricas Simulação do motor Mecânica dos Sólidos O Simcenter fornece o software de dinâmica de fluidos computacional (CFD) líder do setor para simulação CFD rápida e precisa dos problemas de engenharia que envolvem o fluxo de líquidos, gases (ou uma combinação de ambos), juntamente com todas as físicas associadas. O método dos elementos discretos pode ser usado para simular o movimento de um grande número de objetos discretos (partículas) que interagem entre si, como o fluxo granular de agregados, partículas de alimentos, pós metálicos, comprimidos em cápsulas e trigo ou um gramado. O Simcenter é a primeira ferramenta de simulação de engenharia comercial a incluir um recurso DEM totalmente acoplado à simulação numérica de fluxo. O software de exploração de design leva a simulação para o próximo nível, permitindo que os usuários determinem valores apropriados de variáveis, gerando, assim, designs de produtos que resultam em desempenho excepcional Melhorar significativamente um projeto de bateria em toda a sua faixa de operação é uma tarefa desafiadora e envolve a otimização simultânea de vários parâmetros. O Simcenter fornece um ambiente de simulação completo para análise e projeto do sistema eletroquímico e geometria detalhada de células de bateria individuais. Dentro de um único ambiente de software CFD , o Simcenter capacita os usuários a simular não apenas uma ampla gama de física, mas também uma ampla gama de movimentos de corpo e malha para capturar com precisão sua física. Com nossos modelos de movimento para simulações de CFD, você pode simular o desempenho do mundo real de objetos em movimento e sobrepostos com malha de overset , prever o movimento dinâmico de corpos com 6 graus de liberdade, entender as interações multifísicas para modelar o desempenho em operação, conduzir facilmente mudanças geométricas para exploração de projeto, preveja facilmente o comportamento da máquina em rotação/translação e defina movimentos sofisticados para replicar com precisão as operações da máquina. Representar com precisão o comportamento físico das diferentes fases fluidas e sólidas é fundamental para capturar o desempenho real do seu produto. O Simcenter oferece uma variedade de recursos de modelagem Euleriana e Lagrangiana para atender às suas necessidades de simulação de fluxo multifásico. Obtenha informações sobre as interações entre o campo de fluxo turbulento e a química subjacente dos fluxos de reação. O Simcenter ajuda você a melhorar o equilíbrio entre o desempenho e as emissões do seu dispositivo para diferentes condições de operação. A reologia computacional é usada para modelar materiais não newtonianos ou viscoelásticos em problemas industriais. O módulo para reologia resolve com precisão o fluxo de material reológico complexo e ajuda a prever seu comportamento nas condições de operação reais. O Star CCM+ inclui recursos de simulação térmica completa e de primeira classe que podem ajudá-lo a entender as características térmicas de seu produto e, posteriormente, adaptar sua solução de gerenciamento térmico para um desempenho ideal. Valide digitalmente o design das células, incluindo especificações geométricas e de desempenho da célula com simulação de CFD da bateria. Componentes extensivos de células de bateria estão disponíveis, bem como um banco de dados de materiais para apoiar o usuário no desenvolvimento de modelos usando análise CFD. Junte-se a outras ferramentas de simulação por meio de interfaces dedicadas ou uma API intuitiva. Isso permite as simulações multifísicas com diferentes escalas de tempo que variam de microssegundos a milhares de segundos, fornecendo análises mais rápidas e precisas e tempos de rotatividade mais curtos para desenvolvimento e avaliação de projetos complexos. Modelos analíticos completos abrangem todos os aspectos do projeto de máquinas elétricas, incluindo controle térmico, eletromagnético e de acionamento. Particularmente importante neste quesito é a utilização eficiente e até mesmo a eliminação dos ímãs. Nossas ferramentas de simulação são estruturadas para fornecer capacidade de projeto perfeita em toda a gama de máquinas de ímã permanente e alternativas, incluindo combinações híbridas, e abrange toda a gama de potência, tensão e velocidade usada em sistemas veiculares. As simulações de motores envolvem componentes móveis, fluxo multifásico, combustão e transferência de calor. Você não precisa mais ser um usuário experiente para simular motores de combustão interna: o uso de um fluxo de trabalho específico do aplicativo e uma interface simplificada permitem configurar simulações de motores de maneira rápida e fácil. Usuários experientes podem usar essas simulações como ponto de partida para realizar simulações de mecanismo multifísico mais complexas, explorando toda a gama de recursos de simulação do Simcenter STAR-CCM+. Quase todos os problemas de engenharia do mundo real dependem, em última análise, da interação entre fluidos e estruturas sólidas. O Simcenter STAR-CCM+ oferece dinâmica de fluidos computacional baseada em volume finito (FV) e mecânica de sólidos computacional (CSM) baseada em elementos finitos (FE) em uma única interface de usuário integrada e fácil de usar. Usando essa abordagem, você pode resolver problemas estáticos, quase estáticos e dinâmicos, incluindo aqueles com geometria não linear e várias peças usando contatos deslizantes e colados. ⇐ Voltar para Ferramentas

Automação de tarefas repetitivas; encontre falhas de projeto logo nos estágios iniciais; gerenciar complexidade; eventualmente, os custos de se customizar o projeto de cabeamento podem ser maiores do que de se realizar poucos chicotes completos que atendam vários conjuntos de opcionais. Cabeamento e Chicote Elétrico Um chicote tem uma grande variedade de cabos e cada um deles é responsável por gerenciar e distribuir uma parte da energia do automóvel. Como exemplo, tem-se que um carro popular tem 400 cabos, enquanto um premium, 800. A diferença é oriunda da quantidade de equipamentos instalados no automóvel. Quão mais moderno o carro, mais condutores serão necessários para que todos os sistemas funcionem com perfeição. Em geral, um automóvel tem 700 metros de cabo. O chicote também é separado por cores que são determinadas de acordo com as montadoras, que servem para identificar a função daquele chicote. Contate um Especialista Automação de tarefas repetitivas Encontre falhas de projeto logo nos estágios iniciais Gerenciar complexidade Com diversas ferramentas de automação de projeto, é possível estimar automaticamente a quantidade de fios, cabos e isolantes, criar tabelas de ordens de compra, criar auxílios visuais para o operador e entre outros. Simulações durante o projeto permitem que erros de dimensionamento de componentes e conexões sejam encontrados em suas etapas iniciais. Assim, reduzem a necessidade de construção de protótipos, custos e tempo de desenvolvimento. Devido ao aumento do número de sensores e atuadores elétricos em veículos, a complexidade, o peso e o custo de projetos de cabeamento vêm aumentando. Também, por demanda de consumidores, apresentou-se a necessidade de customização em massa da linha de produção automotiva, diversas opções de cabeamento são projetadas para cada conjunto adicional. Eventualmente, os custos de se customizar o projeto de cabeamento podem ser maiores do que de se realizar poucos chicotes completos que atendam vários conjuntos de opcionais. Solid Edge Electrical Software completo de simulação. Os módulos acústicos 3D do Simcenter fornecem os recursos necessários para avaliar o ruído irradiado, incluindo a captura do efeito de encapsulamentos com tratamentos sonoros. ⇐ Voltar para Disciplinas