Resultados da busca

O papel do Modelo de Motor Inteiro (WEM) Prever folgas em turbinas a gás é uma tarefa complexa e interdisciplinar, envolvendo modelagem termomecânica transitória de todos os componentes dentro de um conjunto em vários cenários operacionais. Este processo, conhecido como Modelo de Motor Inteiro (WEM – Whole Engine Model), é crucial nas indústrias aeronáutica e de turbinas a gás para geração de energia. Entender como as folgas em turbinas a gás mudam ao longo do tempo é crucial para os fabricantes. Esse conhecimento permite que eles otimizem o desempenho e a eficiência do motor, minimizando o risco de atrito e outros danos. O Modelo de Motor Inteiro (WEM) não serve apenas para avaliar a condição de estado estacionário de uma turbina a gás quando está totalmente aquecida. Ele também ajuda a analisar operações transitórias, onde gradientes térmicos, diferenças de temperatura e cargas rotacionais afetam significativamente a folga entre as partes rotativas e estacionárias. Folgas em turbinas a gás: entendendo a expansão do metal A maioria de vocês deve se lembrar das aulas de física e dos experimentos com metais utilizando a expansão de esferas e anéis e os exemplos de tiras bimetálicas (Figura 1). O metal se expande quando aquecido, e diferentes metais se expandem em taxas diferentes. Em uma turbina a gás, e em particular em turbinas a gás de alta resistência, há muito metal aquecido em taxas e quantidades diferentes, resultando em expansão axial e radial ao longo do ciclo operacional. Figura 1. Expansão do metal sob cargas térmicas. Ambas as imagens são cortesia da Wikipédia Impacto das autorizações no desempenho e na eficiência Os OEMs de turbinas a gás estão sob tremenda pressão em um mercado competitivo para oferecer alto desempenho e eficiência, ambos intimamente ligados às folgas de operação ou lacuna entre as partes estacionárias e rotativas. Por exemplo, 1 mm de diferença de folga na lâmina da turbina pode ter um impacto de um megawatt (MW), que pode abastecer 650 casas nos Estados Unidos (EUA). Isso significa que uma turbina a gás de 500 MW pode abastecer 325.000 casas, e apenas uma perda de eficiência de 1% significaria abastecer 3.000 casas a menos. Alternativamente, um estudo do Laboratório Nacional de Oak Ridge descobriu que um ganho de eficiência de 1% em uma usina de energia de um gigawatt (GW) representa uma economia de 17.000 toneladas métricas de dióxido de carbono (CO₂) por ano, o que equivale a tirar mais de 3.500 veículos com motor de combustão interna (ICE) das ruas. Portanto, as folgas em turbinas a gás precisam ser as menores possíveis para garantir a máxima potência e eficiência. No contexto de um rotor com diâmetro de 1 a 2 metros e comprimento entre 5 e 15 metros, o WEM 2D permite simular e ilustrar deslocamentos em nível milimétrico para otimizar o desempenho e garantir a integridade dos componentes. Evolução das folgas em turbinas a gás Além disso, os OEMs precisam garantir que nenhum dano estrutural ocorra, pois as folgas na turbina a gás evoluem durante a partida e o desligamento do motor. Figura 2. Exemplo da evolução das folgas em turbinas a gás ao longo de um ciclo operacional típico. O gráfico é representativo e os movimentos são exagerados para fins ilustrativos A Figura 2 é um exemplo ilustrativo do que acontece com uma lâmina à medida que um motor acelera e é energizado. A folga de construção a frio, ou folga presente quando o motor é montado e resfriado, é arbitrariamente definida aqui em 2,5 mm. A folga muda e vemos inicialmente que ela se fecha para um mínimo local na partida devido à deformação centrífuga e pouca ou nenhuma carga térmica no lado do estator. Uma folga máxima ocorre subsequentemente à medida que a turbina a gás aumenta sua carga e mais calor é adicionado ao motor. O estator, composto por peças relativamente mais finas, aquece mais rápido, mas à medida que a temperatura do rotor aumenta, vemos uma evolução para uma folga de funcionamento em estado estacionário. No desligamento, a carga é desligada e vemos um fechamento da folga ainda maior à medida que o estator começa a esfriar antes do rotor. A folga se abre quando a carga e a velocidade caem, e vemos um retorno gradual às folgas de construção a frio à medida que o motor esfria. Desafios operacionais e pontos críticos em turbinas a gás No entanto, as turbinas a gás têm uma ampla gama de cenários operacionais, não apenas a versão idealizada visualizada representativamente na figura 2. Considerando a utilização atual de usinas de energia como reserva para energia verde, os tipos de ciclos de operação que as turbinas a gás têm que suportar são fisicamente mais exigentes e caracterizados por partidas, paradas e reinicializações frequentes. Isso tem influência não apenas na vida útil das peças, mas também quando e onde ocorrem pontos de aperto locais (folga mais apertada ou menor abertura) em uma turbina a gás. A Figura 3 é um exemplo de tal ponto de aperto ocorrendo em um local de lâmina no motor. Uma hora após o desligamento, o motor é reiniciado e pode-se ver como um novo mínimo local ocorre, pois o rotor ainda está quente, o estator em comparação está frio e a carga centrífuga é reaplicada. Figura 3. Exemplo de um ciclo de reinicialização de 1 hora. O gráfico é representativo e os movimentos são exagerados para fins ilustrativos Aproveitando o Simcenter 3D para análise de liberação Considerando uma turbina a gás industrial típica, com aproximadamente 15 estágios de compressor e 4 estágios de turbina, o engenheiro de folga deve realizar uma análise para cada estágio e para todas as condições operacionais, figura 4. É aqui que o processo WEM dentro do Simcenter 3D pode ajudar significativamente o processo de análise de folga. Pontos de referência podem ser atribuídos dentro do modelo, por exemplo, nas bordas de ataque e fuga das lâminas e palhetas e os respectivos locais opostos no estator e rotor. Os resultados transitórios para o movimento desses pontos podem ser lidos do Simcenter 3D para análise posterior em uma ferramenta como MS Excel ou Matlab. Isso permite que um engenheiro de folga ou mecânico construa uma imagem dos efeitos axissimétricos do motor. Acoplando esses resultados aos efeitos não axissimétricos de outros contribuidores (flexão do rotor, deformação da carcaça, etc.), incertezas e tolerâncias e o engenheiro confiável é capaz de construir uma imagem completa do comportamento da folga do motor de turbina a gás. Figura 4. Análise de folga necessária para cada lâmina e palheta em uma turbina a gás. Informações para a análise de folga de vários colaboradores Este tipo de análise pode ser utilizado pela equipe do projeto para definir e otimizar o desempenho do motor, minimizar os riscos de atrito e definir as margens de segurança a serem empregadas. Outras decisões, como abrasivos, pontas de desgaste e, por fim, o estado final de fabricação e montagem, podem ser tomadas com confiança utilizando este conhecimento prévio do comportamento da folga do motor de turbina a gás. Agende uma reunião com a CAEXPERTS e descubra como o Simcenter 3D com o Modelo de Motor Inteiro (WEM) pode transformar a análise de folgas em turbinas a gás, otimizando desempenho, eficiência e segurança operacional. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Em 1817, Karl Drais deu o pontapé inicial ao criar a Draisine, considerada o marco inicial do conceito de bicicleta. Esse invento revolucionou a forma como as pessoas se movimentavam utilizando apenas a força do próprio corpo. Desde então, a evolução das bicicletas passou a depender fortemente de engenharia de ponta. O que caracteriza as grandes bicicletas e componentes atuais é o fato de serem resultado de processos de desenvolvimento baseados em simulações e testes rigorosos. Assim como ocorre na indústria automotiva e aeronáutica, o desenvolvimento virtual de produtos e as medições avançadas tornaram-se parte fundamental para alcançar desempenho, segurança e conforto superiores nas bicicletas modernas. Pedale mais rápido – CFD de aerodinâmica e o poder das GPUs Desde a primeira Draisine, um desafio muito óbvio no aprimoramento das bicicletas era torná-las mais rápidas. Tornar uma bicicleta mais rápida significa menos atrito. E menos atrito significa duas coisas: primeiro, menor atrito mecânico na transmissão e entre as rodas e o solo. E, segundo, menos atrito do ar, também conhecido como arrasto, o que se traduz em melhor aerodinâmica. E embora calças justas só nos levem até certo ponto, para máquinas de corrida de alto desempenho, a simulação CFD teve que conquistar o mundo do desenvolvimento de bicicletas para torná-las o mais eficiente possível no ar. E para projetar uma bicicleta mais rápida, a tecnologia de resolução CFD nativa de GPU chegou bem a tempo, como a Trek Bicycle demonstrou de forma impressionante no Tour de France 2024. Pedale mais – Projete a exploração espacial Mas, enquanto isso, empresas como a Trek não apenas executam uma simulação CFD única para ver como um projeto funciona e depois mexem um pouco em outro. Não, elas executam fluxos de trabalho automatizados de exploração de projeto para analisar o desempenho de centenas de projetos (é aí que o HPC hospedado na nuvem e o CFD acelerado por GPU se tornam bastante úteis). Para dar uma ideia do nível de cuidado que a otimização aerodinâmica de bicicletas de corrida exige hoje: a Trek identificou a posição ideal das garrafas de água para minimizar o arrasto, identificou a posição ideal do ciclista em condições de vento variáveis ​​e encontrou a configuração ideal de direção para uma equipe de quatro ciclistas. Além disso, esses estudos de otimização não se concentram mais apenas em um atributo de desempenho. Indo um passo além, a Trek analisou uma otimização multiatributos do desempenho aerodinâmico e do peso do quadro. Passeio mais seguro – Teste de impacto de capacete Se você pedala rápido, é melhor pedalar com segurança. Mas mesmo que seja só para buscar as crianças na creche ou ir ao supermercado, quando saio para um passeio rápido e esqueço meu capacete, imediatamente me sinto um pouco nu. A boa notícia é que os capacetes usados hoje melhoraram significativamente em termos de segurança e conforto em comparação com aqueles que se usavam no passado. Isso graças à melhoria contínua dos produtos, aos novos materiais e aos designs estruturais inteligentes, impulsionados pela homologação para certificação e pelo desejo do cliente por segurança e conforto. Como um ciclista apaixonado, fiquei bastante impressionado ao perceber que nós, da Siemens, estamos realizando análises de vídeo em alta velocidade, posicionamento da cabeça por laser e aquisição de dados sem fio para fornecer testes de capacete altamente precisos e repetíveis. Nossos especialistas podem até avaliar o nível de proteção que um capacete de segurança pode oferecer contra lesões cerebrais geradas por acelerações críticas de rotação. Em cooperação com os fabricantes de capacetes, entramos nesta nova era de testes de capacetes, contribuindo para a melhor proteção possível para a cabeça. Os profissionais da Siemens realizam análises de vídeo em alta velocidade, posicionamento da cabeça por laser e aquisição de dados sem fio para fornecer testes de capacete altamente precisos e repetíveis. Os especialistas podem até avaliar o nível de proteção que um capacete de segurança pode oferecer contra lesões cerebrais geradas por acelerações críticas de rotação. Ride cooler – Aerodinâmica do capacete e conforto térmico CFD Segurança é uma coisa, mas se você estiver em uma viagem longa, conforto (térmico) é outra. Mas, assim como acontece com os veículos, quando se trata de capacetes, há uma luta constante entre aerodinâmica e resfriamento. Felizmente, os engenheiros de hoje têm a simulação CFD avançada na ponta dos dedos. Abaixo estão alguns exemplos de como a dinâmica de fluidos combinada com a transferência de calor permite insights para encontrar soluções ideais na relação entre conforto térmico e baixo arrasto dos capacetes. Vá mais longe – Simulação de sistema para transmissão hidráulica ultraleve Quando se trata de bicicletas, admito que ainda sou um desses puristas teimosos. Nenhuma bicicleta elétrica chegou à minha garagem (ainda). No entanto, tenho que admitir que consigo entender o apelo (talvez seja exatamente por isso que tento ficar longe delas em primeiro lugar. Uma vez conectadas, parece que voltar atrás é impossível, é o que continuo ouvindo). Sejam quais forem seus sentimentos pessoais, o sucesso das bicicletas elétricas é, na verdade, uma ótima notícia. Para os seres humanos, para este planeta. Muitas pessoas que provavelmente nunca teriam pegado uma bicicleta, que teriam usado o carro mesmo para curtas distâncias, teriam afirmado que estariam encharcadas de suor se não fosse o desenvolvimento da bicicleta elétrica que as fez mudar de ideia. Acima de tudo, o sucesso das bicicletas elétricas foi impulsionado pela inovação na tecnologia de baterias. Mas também o design do motor elétrico e até mesmo a reformulação dos sistemas de transmissão tornaram as bicicletas elétricas um playground interessante para engenheiros. Pedale com mais silêncio – Aproveitando o Simcenter para testar a acústica de bicicletas elétricas Quando se trata de e-bikes, o alcance não é de longe a única coisa no escopo dos engenheiros. O ruído é igualmente importante. E como você não pode simplesmente tornar uma e-bike completamente silenciosa, trata-se de criar conforto acústico para o ciclista. E adivinhe, as empresas líderes estão investindo pesadamente nessas experiências acústicas. Veja a Trek Bicycles novamente, eles são pioneiros no conceito de colocar a qualidade do som no mapa métrico de e-mountain bikes, pois continua sendo um tópico quente na indústria. Da mesma forma, a MAHLE, que usa as soluções de teste Simcenter para otimizar a análise de ruído-vibração-aspereza (NVH) do sistema de transmissão de e-bikes e para testes de fim de linha. Passeio mais suave - O avô de todo conforto Falando em vibração, não tem como deixar de mencionar esta: é provavelmente a parte mais subestimada de quase todas as bicicletas modernas. Com pouco mais de 2,5 cm de comprimento, esta pequena peça salvou bilhões de ciclistas nos últimos 130 anos. Se não fosse pelo escocês Dunlop e sua pequena invenção, provavelmente os pneus de borracha rígidos ainda estariam sendo usados. Mas, graças à invenção da válvula de bicicleta Dunlop em 1891 (patente americana US455899 ), é possível encher os pneus com tranquilidade e desfrutar do prazer do amortecimento a ar. Agora, se você se diz um entusiasta de bicicletas, pode explicar como uma válvula dessas realmente funciona? Não? Bem, aqui está uma pequena simulação de interação fluido-estrutura que pode lhe dar algumas dicas que você lembrará na próxima vez que precisar bombear... Dirija com mais coragem – Simcenter para uma roda monocoque segura e de baixo arrasto Ok, vamos mudar de marcha novamente. E no ciclismo, mudar de marcha sempre significa falar de carbono. No competitivo mundo do ciclismo, a engenharia inovadora desempenha um papel crucial. Na vanguarda da tecnologia, ganhos marginais podem ser a diferença entre vencer e perder. Esse é o campo de jogo da Radiate Engineering & Design AG. A colaboração da Radiate com a Scott Sports levou ao desenvolvimento do Syncros Capital SL, um conjunto de rodas que deixa qualquer entusiasta de bicicletas impressionado. O destaque: "A Capital SL é uma construção monobloco, ou o que chamamos de monobloco, o que significa que o aro e os raios são fundidos em uma única peça", afirma Frederic Poppenhäger, sócio da Radiate. Esse design aprimora a integridade estrutural e reduz a inércia rotacional, resultando em melhor transmissão de potência e ganhos substanciais de velocidade para os ciclistas. Por meio de simulações, a Radiate avaliou diversos formatos e geometrias de aro, otimizando a aerodinâmica e o desempenho estrutural sem a necessidade imediata de modelos físicos. Além de reduzir o arrasto em 7%, a Radiate também melhorou a confiança e a segurança do ciclista, garantindo maior estabilidade em ventos cruzados. Para permitir uma pilotagem mais ousada. Pedalando juntos Agende uma reunião com a CAEXPERTS e descubra como as soluções do Simcenter podem transformar o desenvolvimento de bicicletas – da aerodinâmica ao conforto, da segurança ao desempenho – levando sua engenharia a um novo patamar de inovação. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

O armazenamento e a distribuição criogênicos — manuseio de substâncias em temperaturas extremamente baixas — podem soar como ficção científica, mas desempenham um papel crucial em muitas aplicações de engenharia. De foguetes aeroespaciais à preservação médica, tecnologias supercondutoras ou gás natural liquefeito (GNL) em navios, os sistemas criogênicos estão por toda parte. Mas como projetar esses sistemas para que sejam eficientes com o máximo nível de segurança? Usar a simulação de sistemas termofluidos pode ajudar a fazer exatamente isso. Nesta postagem do blog, será explorado como o Simcenter Amesim , uma plataforma de simulação de primeira linha, capacita engenheiros e entusiastas a modelar e otimizar sistemas de armazenamento criogênico de forma eficiente usando um exemplo de simulação inspirado em um experimento da NASA de autopressurização de tanques criogênicos. Desafios do armazenamento criogênico O armazenamento criogênico envolve o armazenamento de fluidos (hidrogênio, nitrogênio, gás natural) que são gasosos em condições ambientais. A redução de sua temperatura abaixo de um determinado ponto os transforma em líquidos muito frios, críticos em certas aplicações. O armazenamento desses líquidos criogênicos requer recipientes isolados especializados, como tanques Dewar ou criogênicos, para manter baixas temperaturas, evitar a transferência de calor e garantir a segurança. Mas baixas temperaturas trazem consigo desafios únicos, como gerenciamento térmico, acúmulo de pressão e evaporação. Lidar com esses desafios requer recursos avançados de simulação para antecipar quaisquer problemas de segurança que possam ocorrer durante o ciclo de vida do produto. Simulando armazenamento criogênico no Simcenter Amesim O Simcenter Amesim oferece ferramentas abrangentes para modelagem e análise de sistemas de armazenamento criogênico. Ele inclui um conjunto de componentes essenciais, como tanques criogênicos, que permitem simulações que representam fielmente as condições do mundo real, incluindo fatores como interação gás-líquido e troca térmica. Principais capacidades: Troca de calor e massa na interface líquido/gás Simular as fases líquida e gasosa dentro de um tanque de armazenamento Cenários de modelo incluindo enchimento e esvaziamento, autopressurização e evaporação Por que usar o Simcenter Amesim para armazenamento criogênico? O Simcenter Amesim inclui uma biblioteca de células de combustível e armazenamento de fluidos criogênicos. A compatibilidade entre essas múltiplas bibliotecas de termofluidos e a possibilidade de acoplá-las a um modelo térmico concentrado detalhado facilitam a integração em todo o sistema, aprimorando uma avaliação holística em projetos de engenharia. Com esses recursos, desde o início da fase de projeto, o usuário pode estimar facilmente o efeito em termos de aumento de pressão e temperatura causado pela possível entrada de calor em um tanque criogênico. Graças à adição de uma camada de filme na superfície livre do tanque, as pressões e temperaturas são capturadas com maior precisão, permitindo que os engenheiros dimensionem melhor os sistemas de isolamento. Isso resulta em um modelo de tanque criogênico de 3 nós – volume, filme e volume vazio. Tanque criogênico de três nós no Simcenter Amesim Quanto à geometria do tanque, ela pode ter qualquer formato 3D – graças à ferramenta de mapeamento CAD de tanques Simcenter Amesim , podemos gerar a altura do líquido do tanque como uma função do volume. Um exemplo prático: experimentos de autopressurização da NASA em um tanque de hidrogênio líquido Com as capacidades explicadas acima, pode-se construir um modelo Simcenter Amesim com foco em evaporação e autopressurização em um tanque criogênico. Esta demonstração é baseada em experimentos no Centro de Pesquisa Lewis da NASA , que exploram o armazenamento de hidrogênio líquido (LH₂) em um tanque esférico de 4,89 m³ sujeito a uma entrada constante de calor — descobertas publicadas por Hasan et al . Quanto à configuração dos experimentos, o tanque de LH₂ foi envolvido por uma câmara criogênica cilíndrica. A câmara pode ser resfriada com nitrogênio líquido ou aquecida acima da temperatura ambiente com resistências elétricas para manter uma determinada temperatura ao redor do tanque, que é chamada de Tamb nesta demonstração. Compreendendo as taxas de evaporação Três testes de evaporação foram realizados a 83 K, 294 K e 350 K de temperatura ambiente. Para resfriar a seção superior, o tanque é preenchido com LH₂ até 95% da capacidade. A pressão de ventilação é então gradualmente reduzida até a pressão operacional do sistema de controle de contrapressão de 117 kPa. A taxa de evaporação é monitorada até que se estabilize. O modelo Simcenter Amesim usado para executar este caso de teste é mostrado abaixo: Modelo de ebulição de hidrogênio No modelo acima, o GH₂ é expelido do tanque através de uma válvula de alívio. O calor também é transferido do exterior para o vapor, de um lado, e do exterior para o líquido, do outro. Para cada caso, um coeficiente de transferência de calor é definido usando uma condutância térmica variável para se ajustar aos valores médios de fluxo de calor absorvido, conforme mostrado na tabela abaixo. As condutâncias térmicas são testadas com as áreas úmida e seca para calcular os fluxos de calor. Experimentos Temperatura ambiente [K] Fluxo de calor [W/m²] Exp 1 83 0,35 Exp 2 294 2.0 Exp 3 350 3,5 Os valores finais das taxas de ebulição (expressas em SCMH) do modelo, após 50 h de simulação, são bem próximos, como mostrado abaixo ao lado das taxas de ebulição em estado estacionário do experimento. Taxas de ebulição (simulação vs experimentos) Explorando a dinâmica da autopressurização A autopressurização em um tanque criogênico ocorre basicamente quando você deixa o tanque em um ambiente "mais quente". O LH₂ evapora e aumenta a pressão do tanque, o que pode causar um problema de segurança em algum momento. Por isso, é importante avaliar esse acúmulo de pressão no tanque criogênico. Testes de autopressurização foram conduzidos em diferentes temperaturas ambientes: 83 K, 294 K e 350 K. O nível de enchimento inicial do tanque foi de 84% e a pressão inicial foi de 103 kPa. O objetivo aqui é configurar o modelo para corresponder aos valores da série temporal de pressão do tanque e verificar se os valores da série temporal de temperaturas estão dentro das faixas corretas. Modelo de autopressurização No modelo acima, não há ventilação. O LH₂ é armazenado e as condutâncias térmicas variáveis ​​são definidas para corresponder aos fluxos de calor médios trocados com o ambiente. Assim como os testes de evaporação, existem 3 testes de autopressurização, com duração de 20 h, 18 h e 14 h, respectivamente. Os valores de pressão são mostrados abaixo. Valores de pressão (simulação vs experimentos) Pode-se observar acima que, para os testes de pressurização, as pressões calculadas pelo modelo apresentam um padrão semelhante ao dos testes. Elas se desviam do experimento por um máximo absoluto variando de 1,5 a 6%. Conclusão Como foi visto na demonstração atual, com um modelo de tanque criogênico dividido em três nós — ulagem, filme e volume —, pode-se capturar fenômenos importantes, como taxa de evaporação e autopressurização. Para previsões aprimoradas de temperatura em ulagem, onde podem existir diferentes camadas de temperatura, uma maior discretização da parte superior pode ser benéfica. O armazenamento criogênico é uma tecnologia fundamental que molda o futuro das indústrias que dependem de hidrogênio e outras aplicações de baixa temperatura. O Simcenter Amesim oferece não apenas uma plataforma, mas um conjunto abrangente de ferramentas para visualizar, modelar e otimizar esses sistemas. Ao aproveitar seus recursos, você pode avançar significativamente em sua compreensão e design de soluções de armazenamento criogênico. Garanta que seus projetos criogênicos sejam mais eficientes e seguros com o poder do Simcenter Amesim . Agende agora uma reunião com a CAEXPERTS  e descubra como nossa expertise pode ajudar sua equipe a modelar, prever e otimizar sistemas de armazenamento criogênico com precisão e confiança. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Engenheiros eletromagnéticos (EMAG) e elétricos se sentem à vontade com os pacotes simplificados de Engenharia Assistida por Computador (CAE) da EMAG, como Simcenter SPEED , Simcenter E-Machine Design  e Simcenter MAGNET . Colegas de Projeto Assistido por Computador (CAD) geram uma geometria com defeito, composta apenas por peças ativas da EMAG. Se houver problemas de CAD, como extrair a geometria de uma montagem ou erros de malha, o projeto é enviado de volta aos projetistas de CAD, e o tempo começa a correr. Podemos continuar assim? Com a corrida pela eletrificação, há uma necessidade de maior cooperação entre as diferentes equipes. Os designers de produto nos dão "a aparência e a sensação" do produto – a pele. Os designers de CAD distribuem os espaços. Os engenheiros de CAE trabalham, então, dentro das restrições, para adicionar a física necessária para otimizar o produto. Dedicar tempo à comunicação e ao alinhamento entre equipes é visto como parte inerente do processo, e a frase "é assim que as coisas funcionam em grandes empresas" é uma queixa comum. Processos abaixo do ideal podem ter sido aceitáveis quando os componentes eletromagnéticos eram um acessório do seu produto. No entanto, hoje em dia, um acionamento elétrico é a base de muitos produtos, e perder tempo em iterações com outros departamentos pode dobrar seus ciclos de desenvolvimento e disparar os custos de P&D. Além disso, a alta concorrência e a falta de recursos de engenharia tornam insustentável continuar perdendo tempo em iterações sem sentido. E quanto às mudanças CAD upstream que afetam os corpos EMAG? Não é incomum que um engenheiro da EMAG trabalhando em um trem de força elétrico receba um arquivo CAD neutro detalhado. Frequentemente, esses arquivos, embora consistindo de um conjunto de carcaça e transmissão, são não associativos. Os arquivos não terão o rotor, o núcleo do estator ou ambos e são mais visuais do que funcionais para o CAE. Isso desencadeia um vai e vem entre as equipes da EMAG e do CAD, que agora precisam limpar e simplificar a geometria e verificar os materiais. Somente após esse processo de limpeza, um engenheiro eletromagnético pode iniciar seu trabalho real de busca por um conceito e validação do projeto proposto. Devido às atuais taxas de juros crescentes e aos custos mais altos, os Gerentes de Projetos no segmento de VE (Veículos Elétricos) estão sob pressão elevada, para cumprir os prazos de entrega dos veículos com custos elevados se não forem controlados. Como resultado, você pode ouvir os seus pedindo à sua equipe para reduzir o peso e o volume dos componentes. Como engenheiro da EMAG, você se verá criando uma maneira de apressar os projetistas de CAD da sua época. Fique tranquilo; você não é o único. Os projetistas de CAD devem refletir as novas atualizações de CAD e ajudar as equipes de CAE a atualizar suas geometrias. Como você pode imaginar, os e-mails, ligações e reuniões para que isso aconteça são extensos, e o impacto no cronograma de lançamento no mercado é enorme. Como economizar tempo? Um sistema que permite ao engenheiro eletromagnético atualizar automaticamente seus modelos para o projeto CAD mais recente, com o mínimo de intervenção do projetista, aumentará a produtividade. Você pode ver um exemplo de um processo possível neste breve vídeo. O vídeo mostra como atualizar uma geometria de motor elétrico 2D extraída de um conjunto de veículo devido a alterações no diâmetro externo do estator. O vídeo começa focando no trem de força elétrico e, gradualmente, isola o motor elétrico do restante do conjunto. Em seguida, não apenas os corpos eletromagnéticos ativos são capturados, mas também são associados ao conjunto. Em seguida, adiciona-se tudo o que é preciso para a simulação: as regiões de ar e remesh, as geometrias 2D do rotor e a malha de elementos finitos para completar. Por fim, aciona-se uma alteração a montante no diâmetro externo do estator, que você pode ver nas atualizações na malha. A conexão CAD do ambiente Simcenter permite que você se concentre em seu trabalho – a análise eletromagnética. Extração e geometria associativa de motor elétrico 2D de um conjunto de veículos Agora, vamos voltar a atenção para o impulso global para reduzir o peso e integrar motores elétricos. Há uma necessidade de controlar os níveis de ruído e eliminar o calor em motores elétricos cada vez menores. Estes exigem refrigeração líquida mais complexa e projetos que garantam que os ímãs não se soltem, o que mudará a estrutura eletromagnética. Como você atualiza o modelo eletromagnético com mudanças geométricas orientadas por múltiplas físicas? Em um fluxo de trabalho tradicional, as atualizações de modelos não associados feitas por outros grupos exigiriam que o engenheiro da EMAG repetisse o fluxo de trabalho com a equipe de projeto e todos os e-mails e ligações relacionados. Você se sentiria condenado se não tivesse associatividade! Além disso, o problema só piora com o aumento do número de domínios da física em consideração. Os trens de força elétricos passam por uma série de iterações de simulação multifísica antes que os engenheiros definam um projeto. Essas mudanças horizontais são impulsionadas mutuamente por análises eletromagnéticas, térmicas, estruturais e de ruído e vibrações (NVH). Com engenheiros de cada departamento trabalhando simultaneamente com uma ferramenta não associativa, a probabilidade de um engenheiro trabalhar em um modelo desatualizado em vez do melhor projeto atual é notavelmente alta. Como você acompanha a geometria CAE atualizada? Felizmente, existe uma referência – embora sutil em um ambiente isolado. O CAD de projeto é o único elo comum entre a física e os requisitos do produto, como custo, que está atrelado ao volume e à massa. Conforme ilustrado na Figura 1, se o CAD de projeto estiver sendo atualizado continuamente, significa que todos os engenheiros de CAD e CAE estão acessando a mesma geometria simultaneamente. Obviamente, a atualização e o acesso são controlados em um ambiente gerenciado. Isso significa que você não terá resultados obsoletos em suas reuniões de projeto. Para eletromagnéticos, a geometria refletirá as alterações horizontais e a montante aprovadas recentemente. Figura 1 - Um projeto CAD atualizado captura mudanças geométricas impulsionadas pelos requisitos do produto upstream e pelas interações físicas horizontais Por exemplo, na Figura 2, tem-se a evolução das peças do estator EMAG de um projeto eficiente baseado apenas no desempenho eletromagnético para um que acomoda os canais de resfriamento nas bobinas. Observe que há redução no torque porque o volume agora é limitado. Isso ocorre porque o primeiro projeto contém mais aço e, portanto, pode transportar mais fluxo magnético. Como pode ver no vídeo, pode-se associar as partes ativas do eletromagnético ao projeto CAD. Após um estudo paramétrico para escolher a largura final do canal, essa alteração geométrica foi introduzida no projeto CAD. E como a geometria usada para a simulação eletromagnética é associativa, foi apenas uma questão de executar novamente a solução com as alterações. Figura 2 - O efeito da introdução de canais de resfriamento entre bobinas no desempenho do EMAG O que isso realmente significa? Em um processo de projeto multifísico como o necessário para uma máquina eletrônica, ter um fluxo de trabalho otimizado pode economizar centenas de horas de engenharia. Você só gasta o esforço de configuração inicial uma vez! O restante é apenas iterar o projeto, impulsionado pelos requisitos do produto e pelas mudanças físicas. O fluxo de trabalho associado ajuda a superar a abordagem compartimentada e o viés da física única no desenvolvimento. Um dispositivo eletromagnético eficiente pode não ser estruturalmente sólido ou mesmo impossível de fabricar. Ao capturar o que é possível por meio de restrições geométricas e interações físicas, chega-se a um design mais realista. Ao mesmo tempo, isso ajuda a gerenciar nosso próprio viés interno em relação à física e a trabalhar em conjunto para um bom equilíbrio de desempenho. O que você acha adequado para a física do projeto pode não ser necessariamente bom para o desempenho geral do produto. Um processo de design integrado permite fazer essas iterações e convergir muito mais rápido! Em resumo, o processo associado discutido neste blog reduz o tempo perdido, permitindo que os produtos sejam desenvolvidos mais rapidamente. Esse processo ajuda engenheiros e designers a definir um conceito mais rapidamente, garantindo que todos estejam trabalhando no modelo mais atualizado. Ao mesmo tempo, garante que desvantagens como viés em relação a modelos físicos específicos ou equipes isoladas não ocorram. Construa seu próximo motor elétrico mais rápido, melhor e, em termos de horas de engenharia, mais barato. Está pronto para reduzir retrabalhos, acelerar seu desenvolvimento e integrar equipes de CAD e CAE de forma mais eficiente? Agende uma reunião com a CAEXPERTS e descubra como otimizar o projeto do seu motor elétrico com fluxos de trabalho associativos e multifísicos – mais rápidos, mais colaborativos e mais econômicos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

No dia 06 de agosto, nosso CEO Ricardo Barros esteve presente em Curitiba no evento Competitividade & Eficiência na Indústria 5.0: Acelere a sua Transformação Digital. O encontro reuniu executivos e especialistas da Siemens e de empresas parceiras para discutir como tecnologias como simulação e inteligência artificial estão acelerando a digitalização da indústria.   Inteligência artificial aplicada à engenharia   Durante sua participação, Barros destacou como a inteligência artificial, combinada à simulação computacional, já é uma realidade em ambientes industriais. Hoje o uso de software está presente em toda a cadeia de valor, permitindo fazer mais, em menos tempo, com maior confiabilidade. Em termos práticos, a IA na engenharia é um recurso que torna empresas mais competitivas em relação à concorrência.   Embora a IA exista há anos, o tema ganhou destaque com os modelos generativos recentes. A aplicação prática para a indústria, no entanto, vai além da criação de imagens e textos. Ela responde a uma necessidade crescente: lidar com a complexidade dos sistemas industriais e com a disponibilidade de um grande volume de dados em tempo real.   Como funciona na prática   É importante deixar claro: a IA não substitui a física. A base física continua sendo representada pela modelagem matemática presente em softwares de simulação, como o Simcenter STAR-CCM+ , Simcenter Amesim , Simcenter 3D e afins. A inteligência artificial atua como camada complementar, potencializando esses modelos.   Um exemplo citado por Barros foi o uso da IA integrada a modelos de ordem reduzida. Imagine uma planta industrial que opera com tanques de armazenamento. A partir de dados medidos em tempo real, a IA consegue rodar em paralelo simulações simplificadas do comportamento do tanque. Esses resultados, disponibilizados em aplicações de fácil acesso, como no Mendix, permitem que operadores e equipes de manutenção tenham uma visão transparente do sistema e recebam sugestões de ações baseadas em cenários investigados pela IA. O resultado é maior confiabilidade, segurança e eficiência operacional.   Busca inteligente de designs   Outro campo promissor é a integração da IA em algoritmos de busca inteligente para experimentos de simulação. Em vez de rodar milhares de casos de forma cega, a IA direciona a exploração para as regiões mais promissoras do espaço de design. Essa abordagem reduz significativamente o tempo computacional e aumenta a probabilidade de encontrar soluções inovadoras.   Uma solução end-to-end   Ao final, a mensagem principal reforçada por Barros e por todos os parceiros presentes foi que as soluções Siemens oferecem uma plataforma completa, capaz de integrar modelagem, simulação, inteligência artificial e aplicações de negócio. Uma abordagem end-to-end que conecta o desenvolvimento de produto à operação da planta, garantindo mais competitividade e eficiência para a indústria 5.0. A apresentação completa está disponível abaixo: Agende uma reunião com a CAEXPERTS e descubra como unir simulação e inteligência artificial pode transformar a sua empresa, aumentando eficiência, competitividade e acelerando sua jornada rumo à Indústria 5.0. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A inteligência artificial (IA) tornou-se uma força onipresente no mundo da engenharia, transformando radicalmente a forma como as empresas operam e como os funcionários trabalham. À medida que avançamos para 2025, a influência da IA continuará a crescer, inaugurando uma nova era de maior eficiência, produtividade e inovação. O CEO da Nvidia, Jensen Huang, previu recentemente que o poder computacional que impulsiona os avanços em IA generativa deverá aumentar "um milhão de vezes" nos próximos 10 anos, impulsionado por um aumento "quadruplicado" do poder computacional anualmente. O que impulsiona esse rápido avanço é o crescimento exponencial do poder computacional na última década. Hoje, os principais supercomputadores do mundo são capazes de realizar mais de 1 quintilhão (1.000.000.000.000.000.000) de cálculos por segundo – um aumento impressionante em relação a apenas uma década atrás. Esse enorme aumento no poder computacional bruto permitiu o treinamento de modelos de IA cada vez maiores e mais complexos, permitindo que eles lidem com tarefas cada vez mais sofisticadas. Por trás dessa revolução da IA não estão apenas as CPUs tradicionais, mas também hardware especializado, como unidades de processamento gráfico (GPUs) e circuitos integrados específicos para aplicações (ASICs), projetados especificamente para cargas de trabalho de machine learning . Esses chips podem realizar o processamento paralelo necessário para treinar e executar modelos de IA com muito mais eficiência do que CPUs de uso geral. Além dos avanços em hardware, a ascensão de plataformas baseadas em nuvem, como o Simcenter X, também desempenhou um papel fundamental na democratização do acesso ao imenso poder computacional da IA. Pesquisadores e empresas agora podem alugar clusters de GPU e recursos de supercomputação sob demanda de provedores de nuvem, permitindo-lhes treinar modelos em larga escala sem a necessidade de grandes investimentos iniciais. Otimizando processos de negócios com IA A Simcenter Engineering Services demonstrou que a influência da IA vai muito além de assistentes digitais e produtividade pessoal. As empresas estão cada vez mais implantando sistemas com tecnologia de IA para otimizar suas operações principais e a tomada de decisões. Algoritmos de IA podem analisar grandes quantidades de dados para descobrir insights que informam tudo, desde a gestão da cadeia de suprimentos até estratégias de marketing e previsões financeiras. Decisões de projeto de engenharia baseadas em simulações de transferência de calor e dinâmica de fluidos computacional (CFD) não são exceção. Os algoritmos de IA agora oferecem suporte a toda a cadeia de fluxo de trabalho de simulação, desde o gerenciamento de dados e reconhecimento de formas de peças até previsões e otimização de resultados térmicos e de fluxo em tempo real. IA/ML em CFD A sinergia entre CFD e machine learning promete fornecer soluções mais rápidas para problemas complexos e conhecidos de fluxo de fluidos industriais e transferência de calor — principalmente, otimização de projeto de problemas transitórios, como aerodinâmica de veículos e conforto da cabine de passageiros. Aerodinâmica do veículo Simulações aerodinâmicas transitórias, especialmente aquelas que envolvem geometrias complexas, exigem recursos computacionais significativos em termos de poder de processamento e memória. Executar essas simulações em larga escala pode ser computacionalmente intensivo e demorado. Além disso, simulações transitórias frequentemente exigem incrementos de tempo muito pequenos para capturar com precisão o comportamento dinâmico do ar. Isso pode levar a tempos de simulação longos, especialmente para problemas com uma ampla gama de escalas de tempo. Além disso, a grande quantidade de dados gerada por simulações CFD transitórias em larga escala pode ser difícil de gerenciar, armazenar e analisar. Algoritmos de IA abordam esse problema fornecendo resultados CFD inferidos, incluindo distribuições de pressão e velocidades do ar, permitindo o cálculo dos coeficientes de arrasto e sustentação em vários parâmetros de projeto. Os modelos de IA são treinados com base em um conjunto de dados de simulação, que consiste em nuvens de pontos extraídas de simulações nos níveis de superfície e volume, juntamente com valores escalares como pressão, tensão de cisalhamento da parede e os três componentes de velocidade. Para desenvolver modelos de IA precisos, é crucial executar o processo de treinamento com eficiência. A Simcenter Engineering Services atende a essa necessidade empregando uma técnica híbrida projetada para cobrir o vasto espaço de projeto de forma eficaz dentro de um número definido de avaliações. Inicialmente, é estabelecido um conjunto de pontos de projeto. Estes podem ser fornecidos pelo usuário como sementes ou gerados por meio de técnicas avançadas, como métodos de amostragem de hipercubo latino. Uma vez estabelecidos, esses pontos iniciais servem como entradas para um estudo de amostragem adaptativa. Este estudo é fundamental, pois seleciona e preenche de forma inteligente pontos de projeto adicionais alinhados aos objetivos definidos pelo usuário. Tais objetivos podem incluir a exploração de regiões onde há mudanças consideráveis na resposta ou áreas onde ocorrem variações de gradiente globais e locais. O modelo de IA em si é treinado principalmente usando dados espaciais das células da malha de superfície e volume. Além disso, ele incorpora escalares que definem características, como normais de superfície, juntamente com os escalares destinados à previsão pelo modelo de IA. Essa abordagem abrangente garante que o modelo possa prever com precisão escalares de engenharia complexos, abrangendo diversas alterações de projeto. A imagem abaixo demonstra um exemplo das etapas de treinamento e inferência de um modelo de IA, demonstrando sua aplicação na utilização de coordenadas espaciais, normais de superfície e distância da parede para prever escalares de engenharia, como vetores de pressão e velocidade. Fluxo de trabalho de treinamento Fluxo de trabalho de inferência Conforto do passageiro A execução de simulações CFD transitórias para análise do conforto dos passageiros de um veículo é frequentemente necessária e apresenta diversos desafios específicos. As cabines dos veículos são conhecidas por apresentarem geometrias complexas com muitas pequenas características, como saídas de ar, assentos e outros componentes internos, que devem ser capturados em detalhes por meio de malhas de alta resolução. Para escoamentos instáveis, esse requisito de meshing pode ser bastante exigente em termos computacionais. Além disso, os passageiros da cabine devem ser modelados com riqueza de detalhes, com saídas separadas para a cabeça, pescoço, tronco, mãos e pés do manequim. Esse nível de refinamento é necessário porque os seres humanos se sentem mais confortáveis dentro de uma faixa relativamente estreita de temperaturas ambientes. Mesmo pequenos desvios fora dessa faixa podem começar a causar desconforto. A complexidade se soma ao fato de que as temperaturas da superfície do manequim podem ser influenciadas por desvios muito pequenos das condições ambientais, como fluxo de ar, temperatura, umidade, radiação solar, velocidade e aceleração do veículo. Reconhecendo esses desafios, a Simcenter Engineering Services está explorando ativamente modelos de ordem reduzida e soluções baseadas em IA/ML, especialmente adaptadas para lidar com os desafios da análise de conforto dos passageiros. Uma área de foco envolve o uso de modelos de ordem reduzida (ROM), incorporando ROMs estáticos e interpolação de decomposição ortogonal (POD) adequada. ROMs estáticas são usadas para prever métricas escalares importantes, como temperatura ou velocidade, em um formato de texto que fornece insights quantitativos essenciais. Por outro lado, a interpolação POD é empregada para prever campos escalares bidimensionais espacialmente variáveis. Essa abordagem permite a determinação de métricas escalares importantes, como temperatura e velocidades da cabine, em duas dimensões com base em parâmetros de entrada como cargas solares, posição relativa do sol e características de fluxo. Ambos os modelos de ordem reduzida podem ser gerados usando dados de simulação (e teste) para treinamento. A combinação desses dois métodos proporciona um meio simplificado, porém eficaz, de analisar dados complexos, garantindo que parâmetros críticos de conforto dos passageiros sejam avaliados e otimizados com precisão. Esses e outros tipos de modelos de ordem reduzida podem ser gerados usando a ferramenta Simcenter Reduced Order Modeling , disponível no portfólio Simcenter. Modelagem 3D complexa Algoritmos de IA podem aprimorar e acelerar a fase de construção de modelos de simulações térmicas 3D complexas. No gerenciamento térmico e energético de veículos (VTM/VEM), o contato preciso entre peças por meio de impressão CAD é crucial para capturar os caminhos de condução de calor em toda a montagem do veículo. A obtenção de resultados de alta fidelidade geralmente exige revisão e aprimoramento manual de centenas de impressões de baixa qualidade, resultando em prazos de entrega do projeto mais longos. Para aumentar a eficiência e reduzir os tempos de resposta, a Simcenter Engineering Services está desenvolvendo automação personalizada e "lógica inteligente" para dar suporte ao processo de impressão e revisão de CAD. Isso utiliza procedimentos baseados em IA/ML no Simcenter STAR-CCM+ . Diversas "modalidades" podem ser empregadas para inferência, conforme ilustrado abaixo. Depois que o modelo de IA é treinado, a validade do contato pode ser inferida por meio de um plug-in de front-end personalizado usando a modalidade selecionada. Essa abordagem integra treinamento de dados tabulares e baseados em imagens para derivar inferências do modelo de ML, agilizando e simplificando o processo de modelagem. Para previsões diretas de validade de contato, um modelo classificador simples usando características de um arquivo baseado em texto é suficiente. No entanto, ao lidar com áreas de contato complexas, onde contexto adicional, como a identidade das partes em contato, é necessário, um modelo baseado em imagens oferece maiores vantagens. Este modelo pode analisar dados visuais para avaliar as relações espaciais e estruturais entre os componentes, proporcionando uma compreensão mais detalhada da validade de contato. O pipeline de inferência para modelos tabulares e baseados em imagens é mostrado abaixo: Pipeline de inferência para modelo baseado em tabelas Pipeline de inferência para modelo baseado em imagem Essa abordagem inovadora não apenas acelera o processo de modelagem, mas também melhora a precisão e a confiabilidade das simulações térmicas, levando, em última análise, a um melhor design do veículo. O caminho a seguir Não há dúvida de que a IA está remodelando o cenário da engenharia de forma profunda. Líderes e inovadores experientes estão adotando a IA como uma oportunidade transformadora, implementando-a estrategicamente para ampliar e capacitar sua força de trabalho. Como pioneira do setor, a Simcenter Engineering Services está liderando pelo exemplo, capacitando funcionários e clientes com ferramentas e recursos baseados em IA, permitindo que a comunidade de engenharia desbloqueie níveis sem precedentes de produtividade, criatividade e sucesso empresarial. Descubra como a CAEXPERTS pode transformar seus projetos de engenharia com IA e CFD, acelerando simulações complexas e otimizando processos críticos. Agende agora uma reunião com nossos especialistas e dê o próximo passo rumo à inovação e eficiência máxima. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A indústria de ferro e aço são altamente intensivas em materiais e energia. A energia constitui uma parte significativa do custo de produção do aço, de 20% a 40%. Assim, melhorias na eficiência energética resultam em custos de produção reduzidos e, consequentemente, maior competitividade. Outro desafio na produção de aço é que as emissões de CO₂ são altas. Em média, as usinas de aço primárias emitem três toneladas de CO₂ por tonelada de aço. O melhor índice global é de 1,4 toneladas de CO₂ por tonelada de aço. Para fortalecer a competitividade verde e alcançar o objetivo de produção de baixo carbono e limpa, a indústria siderúrgica adota quatro estratégias de economia de energia: (a) Aumentar a eficiência energética: recuperação de calor residual, melhorando a eficiência do sistema/equipamento de energia otimizando a operação e gestão de energia. (b) Desenvolver e utilizar combustíveis de baixo carbono como biomassa, (c) Maximizar o valor do gás combustível e (d) Desenvolver a tecnologia de ponta como o CCS (captura e armazenamento de carbono). Processo de Produção de Aço No processo primário de produção de ferro, os materiais como minério de ferro, coque e cal são derretidos em um alto-forno resultando em ferro líquido (metal quente). Os métodos chave são o Forno de Oxigênio Básico (BOS) e o mais moderno Forno de Arco Elétrico (EAF). No processo secundário de fabricação de aço, o aço líquido produzido pelos métodos BOS e EAF é tratado para ajustar a composição do aço. Os processos secundários de fabricação de aço envolvem Agitação, Forno de panela, Injeção em panela, Desgaseificação, CAS-OB (ajuste de composição por borbulhamento de argônio selado com sopro de oxigênio). Na fundição contínua, o aço líquido é fundido em um molde refrigerado causando a solidificação de uma fina casca de aço. A tira de casca é retirada usando rolos guias e totalmente resfriada e solidificada. A tira é cortada em comprimentos desejados dependendo da aplicação; placas para produtos planos (placas e fitas), lingotes para seções (vigas), billets para produtos longos (fios) ou tiras finas. No processo primário de formação, o aço que é fundido é então formado em várias formas, muitas vezes por laminação a quente. Os produtos laminados a quente são divididos em produtos planos, produtos longos, tubos sem costura e produtos especiais. As técnicas secundárias de formação dão ao aço sua forma e propriedades finais. Estas técnicas incluem laminação a frio, Usinagem (perfuração), Junção (soldagem), Revestimento (galvanização), Tratamento térmico (temperamento), Tratamento superficial (cementação). A Siemens com o Simcenter STAR-CCM+ , uma abordagem baseada em Dinâmica de Fluidos Computacional (CFD), é usada na indústria siderúrgica para (a) melhorar a eficiência do sistema de energia e equipamentos, (b) otimizar a operação e gestão de energia, (c) analisar e comparar diversas tecnologias para otimizações de processo. O Simcenter STAR-CCM+ fornece análises detalhadas do fluxo de fluidos, transferência de calor e outros fenômenos fisio-químicos nos equipamentos em escala real e condições operacionais, o que de outra forma não é possível por técnicas experimentais. Esta tecnologia oferece um entendimento tridimensional detalhado dos parâmetros do processo como padrões de fluxo, temperatura, perfil de mistura, composição química, transferência de calor, combustão, reações químicas, fundição, etc. O Simcenter STAR-CCM+ também oferece uma capacidade muito robusta de Método dos Elementos Discretos (DEM) para modelar fluxos de partículas sólidas. Forno de Oxigênio Básico Forno de Oxigênio Básico O forno de oxigênio básico (BOF) é uma parte do processo de fabricação de aço onde oxigênio puro é usado para converter ferro-gusa líquido em aço, oxidando o carbono. Em fornos de sopro superior, um jato de oxigênio supersônico é soprado através de uma lança verticalmente orientada sobre o banho de metal líquido, criando uma cavidade na superfície do banho. Parâmetros importantes são a forma e o tamanho desta cavidade, pois contribuem para a área de contato interfacial entre o oxigênio e o metal. As rápidas reações de descarbonização na interface metal líquido/gás levam à formação de monóxido de carbono (CO), que pode reagir com o oxigênio no espaço superior do forno para produzir dióxido de carbono. Este último processo é geralmente referido como reação de pós-combustão e é altamente exotérmico (ΔHR = -283 kJ/mol). Com o objetivo de otimizar a eficiência energética do processo e aumentar a quantidade de sucata que pode ser refundida no banho, há um forte interesse em promover a pós-combustão do monóxido de carbono e a transferência da energia liberada por esta reação para o metal líquido. Alternativamente, conversores de sopro inferior são usados, onde o oxigênio é injetado na parte inferior do forno. Isso leva a uma agitação e mistura adicionais, similares aos resultados mostrados na seção da panela. A geometria do conversor, a configuração da lança, o número, a dimensão e o posicionamento das entradas inferiores, bem como as taxas de fluxo afetam o campo de fluxo e, portanto, o processo de oxidação e oferecem oportunidades para melhorar o processo e sua eficiência. Para simular um BOF com lança superior com foco na penetração do jato e sua interação com o metal líquido, o Simcenter STAR-CCM+ oferece o método Volume of Fluid (VOF) e o modelo de múltiplas fases Euleriano com uma extensão de modelo para capturar a superfície livre corretamente, chamado Large Scale Interface (LSI). Ambos os métodos suportam reações em cada fase e recentemente um modelo de reação superficial para VOF foi introduzido para considerar reações apenas na superfície livre, onde o oxigênio entra em contato com o carbono no metal líquido. Configuração e descrição do caso No caso apresentado aqui, um jato de oxigênio puro de cima interage com o derretimento. A simulação VOF transiente é realizada em um domínio 2D axisimétrico com 125.000 células hexaédricas, assumindo comportamento de gás ideal para a fase gasosa. Ambas as fases são modeladas como multicomponentes. A fase gasosa consiste de O₂, CO, CO₂ e N₂, enquanto a fase líquida contém Fe e C. Para modelar a descarbonização, duas reações superficiais na interface são aplicadas, formando CO na fase gasosa: C(l) + O₂(g) → 2CO(g) C(l) + CO₂ → 2CO(g) 2CO(g) + O₂(g) → 2CO₂(g) Figura 1: Esquerda: Jato de oxigênio entrando no BOF e penetrando no líquido fundido. A linha preta indica a superfície livre. Direita: O vermelho mostra o líquido fundido, o azul a fase gasosa e a cor amarelada indica gotículas líquidas Resultados Os resultados da simulação na Fig. 1 mostram a penetração profunda do jato de oxigênio no derretimento. Gotas de derretimento menores e maiores são levantadas e espirram contra a parede. A profundidade e a forma da cavidade estão permanentemente mudando, já que este caso é inerentemente transitório, resultando por um lado em uma maior área de superfície e por outro em uma mistura adicional devido a essas flutuações. Figura 2: Fração molar de oxigênio na fase gasosa. Figura 3: Fração molar de carbono no fundido. Valores mais baixos são encontrados próximos à superfície livre. Figura 4: Fração molar de CO como resultado da descarbonização na superfície livre. A Fig. 2 mostra a distribuição de oxigênio na fase gasosa. Na lança, um jato puro de oxigênio entra no forno. Uma parte do oxigênio é consumida pela descarbonização na superfície livre e outra parte é convertida na fase gasosa em dióxido de carbono. Um olhar mais atento à superfície livre (Fig. 3 e 4) mostra que um conteúdo menor de carbono é encontrado apenas nas proximidades da superfície livre. Isso também indica que as oscilações estão aumentando a superfície livre e, portanto, as taxas de reação significativamente, uma vez que o conteúdo mais baixo de C é encontrado lá. No lado gasoso, uma fração molar maior de CO é encontrada nas oscilações, mas também no lado direito próximo à superfície livre. Esta é uma área onde as velocidades do gás não são tão altas (veja Fig. 3) e o CO não é transportado eficientemente para o volume. Agitação no Cadinho Em um forno de panela, o argônio é injetado através de uma lança revestida de refratário ou através de um bloco refratário permeável na parte inferior, a fim de manter uma temperatura e composição uniformes. Um exercício de referência para tal forno é descrito a seguir. A geometria utilizada e detalhes adicionais são especificados pela Sociedade Alemã de Aço (VDEh) em sua 7ª reunião em 2010. Descrição do Problema O cadinho contém 185 toneladas de aço a 1600°C. Argônio é introduzido a partir do fundo, dando origem a plumas de gás heterogêneas que causam a agitação do aço. O objetivo da simulação era determinar o tempo necessário para alcançar uma mistura completa. Figura 5: Detalhes do benchmark de agitação da panela. Região vermelha: escória e região amarela: o metal fundido Um método de modelagem Volume-of-Fluid (VOF) foi usado no STAR-CCM+ para considerar a interface entre gás e líquido. Um algoritmo de rastreamento de partículas discretas para rastrear as bolhas injetadas (com uma distribuição de tamanho de Rosin Rammler) e densidade dependente da lei do gás ideal baseada na altura do metal fundido foi usado para o gás injetado. Um acoplamento bidirecional com consideração de forças de arrasto, sustentação e dispersão turbulenta é empregado entre as fases gasosa e líquida. Um traçador numérico é introduzido para rastrear a extensão da mistura e o tempo de mistura necessário. Resultados do Exercício de Referência no Cadinho Os resultados deste estudo são mostrados abaixo nas Figs. 6(a) a 6(c). A Fig. 6a mostra uma captura de tela da distribuição das bolhas e ascensão no domínio. A Fig. 6b mostra os contornos de velocidade do derretimento causados pela injeção do jato de argônio, mostrando claramente um fluxo de jato em desenvolvimento com a velocidade diminuindo com a altura. A magnitude da velocidade estava dentro de 15% dos resultados analíticos. A Fig. 6c mostra uma pictografia de um experimento baseado em água em um modelo em escala do cadinho. Indica que o campo de fluxo corresponde aos resultados da simulação qualitativamente (já que nenhuma medição de velocidade foi realizada no experimento com água). A Fig. 7 mostra que os resultados do tempo de mistura da simulação (⁓120s) comparam-se bem com aqueles de medições experimentais (⁓120-140 segundos), indicando que a simulação CFD permite insights detalhados sobre o comportamento do fluxo. Geometrias adicionais podem ser investigadas usando simulação combinada com uma abordagem de otimização direta automatizada para encontrar uma solução de engenharia para mistura. Figura 6: (a) Pluma de bolhas ascendentes (b) Campo de velocidade do jato de argônio (c) Foto de um experimento com água em escala Figura 7: Comparação do tempo necessário para mistura completa com valores experimentais. Fundição Contínua Após a fabricação de uma liga de aço, o aço líquido precisa ser processado para uso posterior. Podemos discernir dois tipos de material forjado após a produção de aço: ou lingotes que podem ser usados posteriormente em processos específicos de fundição de formas ou barras de aço fundido continuamente de várias geometrias de seção transversal. Desafios de Produção Para garantir uma boa qualidade geral do produto, certos aspectos do processo são chave: (a) Transporte e localização de inclusões não metálicas e escória dentro do lingote ou tira, (b) Gerenciamento de temperatura da liga para garantir propriedades metalúrgicas desejáveis, (c) Defeitos como defeitos de contração macro e micro. Esses aspectos estão intimamente ligados entre si, bem como à eficiência geral de fabricação. Assim, o processo de fundição contínua ou de lingotes é um conglomerado de diferentes fenômenos físicos e desafios de engenharia envolvendo transferência de calor (radiação, condução e convecção), mudança de fase (solidificação no metal e ebulição devido ao resfriamento por pulverização), transporte de material, Aquecimento Joule, Dinâmica Magneto Hidrodinâmica (agitação na tira), Metalurgia incluindo defeitos de contração, Reações químicas (mangas exotérmicas e pós). Figura 8: Padrão de fluxo durante a solidificação de lingotes de aço. Criação de poros alfa e defeitos de contração Problema & Resultados Usando uma abordagem pseudo transiente, o Simcenter STAR-CCM+ foi usado para prever a espessura da casca ao longo da tira, bem como a posição da ponta de solidificação. O trabalho de validação foi baseado no trabalho de Ushijima, onde a espessura da casca é determinada analiticamente. Assume-se que o molde esteja pré-preenchido com aço superaquecido, as paredes são configuradas para serem convectivas. A velocidade de entrada também é dada e na saída a velocidade de fundição é aplicada. Figura 9: Validação da espessura da casca para fundição de tira única. O gráfico à esquerda mostra a comparação dos resultados. O gráfico à direita mostra o contorno da geometria segundo Ushijima. O modelo de múltiplas fases Volume of Fluid (VOF) é usado para investigar a interação entre escória, derretimento e ar. A modelagem de mudança de fase é habilitada dentro do modelo VOF. Ao expandir o domínio computacional além do domínio fluido para incluir, por exemplo, o molde ou rolos, o efeito das suposições nas condições de contorno pode ser mitigado. O Simcenter STAR-CCM+ possui um conjunto de funções de critério para análise de defeitos dentro da peça fundida. As propriedades do material também são essenciais para prever com precisão o comportamento de fluxo e solidificação dentro da peça fundida. A estrutura aberta do software permite que se importe dados de material dependentes da temperatura próprios ou que se use os materiais oferecidos no banco de dados de material metálico dedicado. Os resultados (Fig. 9) indicam que o STAR-CCM+ pode prever a espessura da casca com precisão e pode ser usado para avaliar o processo de fundição de forma eficaz. CONCLUSÕES O Simcenter STAR-CCM+ foi utilizado para a análise detalhada de fornos de oxigênio básico, mistura em cadinho e fundição contínua. Detalhes incluindo dinâmica de fluidos, reações de descarbonização na superfície, bem como reações de oxidação na fase gasosa, foram modelados com precisão. O método Volume of Fluid (VOF), assim como o modelo Euleriano de Múltiplas Fases com uma extensão LSI, podem ser usados para capturar corretamente a superfície livre. O Simcenter STAR-CCM+ abre a porta para futuras otimizações e melhorias de processo. Quer levar a eficiência e sustentabilidade da sua indústria siderúrgica para um novo patamar? Na CAEXPERTS , podemos te ajudar a traçar estratégias de economia de energia e tecnologias avançadas para redução de emissões de CO₂. Agende uma reunião conosco e descubra como podemos ajudar sua empresa a otimizar processos, reduzir custos e alcançar seus objetivos de produção de forma mais sustentável. Não deixe para depois, entre em contato agora mesmo e dê o primeiro passo rumo a um futuro mais verde e competitivo! WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Lubrificação mais suave com injeção de óleo A injeção de óleo apresenta diversas vantagens em relação à lubrificação tradicional por banho de óleo em caixas de engrenagens. Essa técnica permite uma redução significativa no consumo de óleo, ao mesmo tempo em que proporciona maior precisão comparada ao banho de óleo. O processo possibilita um controle preciso sobre o fornecimento de lubrificante, garantindo a lubrificação ideal em pontos críticos. A aplicação localizada do óleo contribui para minimizar o desperdício, resultando em menor consumo geral. No entanto, a lubrificação por injeção exige um maior nível de conhecimento do padrão de fluxo e da dinâmica do sistema. Além disso, geralmente exige um investimento inicial mais alto em comparação com os sistemas de banho de óleo. Portanto, insights detalhados de engenharia na fase inicial do projeto de uma caixa de engrenagens são essenciais para a obtenção do posicionamento ideal dos injetores e das estratégias de injeção. Uma ferramenta viável para lidar com esse desafio no início do projeto de um sistema de lubrificação de caixa de engrenagens é a hidrodinâmica de partículas suavizadas (SPH). Mudança de marchas com injeção de fluido SPH Desde a versão 2402 ,  o Simcenter STAR-CCM+ passou a incorporar a tecnologia SPH em um ambiente CFD integrado. Em versões anteriores, o solver de Hidrodinâmica de Partículas Suavizadas (SPH) já permitia simulações de lubrificação do trem de força em configurações de banho de óleo. Com a versão 2406, a funcionalidade foi ampliada para cobrir cenários de injeção, por meio da inclusão de entradas específicas para SPH. Com isso é possível simular a injeção de óleo com imposição de velocidade ou fluxo de massa, além de definir distribuições constantes ou com variação temporal, como no processo de partida do sistema de lubrificação. Dessa forma, torna-se viável visualizar o comportamento do lubrificante no interior da caixa de engrenagens com SPH e condições de contorno de entrada. Isso contribui para validar a direção do óleo nos elementos da engrenagem, assegurando eficiência e confiabilidade na lubrificação. Mantenha-se integrado com o poder do Simcenter STAR-CCM+ como plataforma Graças à integração do SPH com a plataforma Multiphysics, você pode aproveitar o conjunto completo de recursos de análise quantitativa de dados do Simcenter STAR-CCM+ em conjunto com a hidrodinâmica de partículas suavizadas. Para caixas de engrenagens, você pode, por exemplo, monitorar perdas por agitação observando as forças e a evolução do torque ao longo da simulação. O relatório e o gráfico do torque não dependem da resolução da malha de superfície. Mesmo que você tenha uma representação grosseira da malha de superfície das suas geometrias, isso não afetará mais a precisão da evolução do torque. Isso garante resultados precisos, independentemente dos detalhes da malha de superfície. Mais aplicações com injetores rotativos No exemplo acima, você viu uma injeção de fluido SPH estática. Entradas estáticas são comumente usadas quando o fluxo que entra no domínio não é influenciado pela rotação. Com o Simcenter STAR-CCM+ , também é possível configurar uma condição de contorno rotativa. Em sistemas de lubrificação por injeção, injetores rotativos são comumente usados para fornecer o lubrificante a óleo para peças móveis, como engrenagens ou rolamentos. A condição de entrada rotativa garante que o fluxo de lubrificante entre no domínio com o movimento rotacional desejado. A modelagem adequada desse comportamento é crucial para simulações precisas do desempenho da lubrificação do trem de força. Nesta animação, apresenta-se um sistema simplificado de lubrificação em máquinas eletrônicas. O uso do SPH para esta aplicação permite monitorar facilmente para onde o óleo lubrificante vai com um fluxo de trabalho simples, em comparação com modelos de volume finito. Outras aplicações também são possíveis graças à adição de condições de contorno de entrada. Você pode começar a modelar aplicações de escoamento de água ou vazamento de óleo em veículos, observando onde o líquido (água ou óleo) entra no veículo. Você pode observar como o líquido se espalha por diferentes partes do veículo, onde se acumula e interage com outros componentes. Precisa de fazer malha? Essa questão permanece relevante desde a introdução do SPH: criar ou não criar malha. Assim como em versões anteriores, o SPH apresenta vantagens distintas para aplicações específicas. Simulações CFD tradicionais frequentemente requerem preparação do CAD e geração de malha volumétrica, o que pode ser demorado para sistemas como caixas de engrenagens. O SPH elimina essa etapa ao operar diretamente com partículas, proporcionando uma experiência mais fluida. A combinação de fluxos de trabalho intuitivos, integração com CAD e robustez no manuseio de movimentos destaca o SPH no Simcenter STAR-CCM+ . Além disso, uma caixa de engrenagens industrial pode ser simulada com SPH em cerca de 12 minutos. Assim, para triagens iniciais de projeto, o método SPH é ideal para ser usado com o Design Manager para exploração de projeto, eliminando projetos de baixo desempenho de forma rápida e fácil. Se o seu objetivo é visualizar a distribuição de óleo dentro da caixa de engrenagens e monitorar as perdas por agitação, o SPH é o melhor candidato para esta aplicação. Entretanto, se o ar afetar significativamente o óleo, ou se você precisar modelar entradas de pulverização ou observar a transferência de calor, ou se precisar modelar a névoa (mistura de gás e líquido) ou modelar a mudança de fase ou eletromagnetismo ou outra física complexa, é recomendado usar modelos multifásicos de volume finito, que são mais adequados para maior precisão. Os métodos SPH e de volumes finitos se complementam e sempre dependem do escopo de suas aplicações e do nível de fidelidade necessário para fazer a escolha adequada do modelo a ser usado. Explore mais resultados da simulação SPH de lubrificação da caixa de engrenagens interativamente em seu navegador Modelagem de tensão superficial para SPH O modelo de tensão superficial tem como objetivo aumentar a precisão nas simulações de escoamentos livres altamente dinâmicos. Essa funcionalidade permite representar o comportamento de gotículas e a interação com superfícies. Pode-se definir ângulos de contato para cada contorno sólido, possibilitando simulações de superfícies hidrofílicas ou hidrofóbicas. Garanta máxima eficiência na lubrificação das suas caixas de engrenagens desde as primeiras fases do projeto! Agende uma reunião com a CAEXPERTS e descubra como aplicar o SPH no Simcenter STAR-CCM+ para simular injeções de óleo com precisão, reduzir perdas e acelerar decisões de engenharia com confiança. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

No contexto da eletrificação de veículos, a indústria automotiva está tomando diversas medidas importantes para garantir a segurança e a durabilidade das baterias. Protocolos de testes rigorosos estão em vigor para avaliar o desempenho da bateria, o gerenciamento térmico e a resposta a condições de abuso, como sobrecarga, curto-circuitos e colisões. O envelhecimento da bateria está sendo analisado intensamente, e ainda mais intensamente, a descontrole térmico da bateria, por excelentes razões. A chave para gerenciar adequadamente esses requisitos é a antecipação do projeto. Isso significa usar Gêmeos Digitais para prever esses efeitos logo no início do processo de projeto, minimizando assim o custo de testes físicos e solução de problemas. Mas e quanto à durabilidade estrutural? Normalmente aparafusada abaixo da carroceria, a bateria sofre as mesmas cargas que a carroceria quando o veículo passa por buracos, paralelepípedos e lombadas. Essa carga repetitiva levará a danos acumulados na estrutura da bateria e causará falha prematura e alto custo se não for projetada adequadamente. Mas pode-se fazer mais? Pode ser aplicada a mesma estratégia de durabilidade de baterias de carregamento frontal usando Gêmeos Digitais, permitindo prever e compreender o comportamento da estrutura desde o início? O especialista em simulação da SIEMENS , Dirk von Werne, investigou isso e desenvolveu um processo que permite fazer isso. Esse processo utiliza as soluções de teste da SIEMENS para identificar as condições de carga adequadas e o conhecimento em simulação numérica. Além da carga frontal, ela permite compreender o efeito da carroceria à qual a bateria está acoplada. De fato, a bateria reforça e interage com a estrutura da carroceria. Como formam uma estrutura integral, as cargas que a bateria experimenta dependem muito da rigidez e dos modos próprios de todo o sistema. Isso leva a cenários e respostas de carga complexos durante a condução, que não são fáceis de replicar em testes de componentes. A capacidade de incluir esses efeitos na simulação nos permite projetar uma bateria melhor, considerando o acoplamento à carroceria, e desenvolver um cenário de teste acelerado aprimorado para testes de componentes. Por fim, essa abordagem também permite minimizar a massa da bateria sem comprometer a durabilidade. De fato, a bateria é um dos componentes mais pesados (e mais caros) de um veículo elétrico. Ciclo de trabalho e cargas Como ponto de partida, você precisa definir o perfil de missão para o qual projeta seu veículo. Existem normas disponíveis para isso, mas elas representam apenas um uso típico e podem não se adequar a um veículo específico em desenvolvimento, a um determinado mercado-alvo, etc. Portanto, a coleta de dados em condições de teste relevantes em um veículo relevante deve ser considerada sempre que possível. Isso pode ser feito, por exemplo, em um veículo antecessor. Muitos cenários podem ser considerados: quantos quilômetros serão percorridos na rodovia, na cidade ou em uma estrada menor com paralelepípedos? Quais faixas de velocidade levar em consideração? Qual perfil de motorista: motorista de conforto ou motorista esportivo? Em suma, encontrar as condições de carga adequadas para um veículo em desenvolvimento está longe de ser uma tarefa fácil! O Simcenter Testlab Mission Synthesis é um software que condensa os cenários de carga de anos de operação em um ciclo de teste acelerado equivalente. Isso permite que você entenda o "potencial de dano" em diversas condições e sintetize seu "perfil de teste" com muito mais precisão. Isso pode ser usado para testes de validação e também em um contexto de simulação, onde essas cargas são usadas como entrada para o Gêmeo Digital da estrutura. A síntese da missão gera um perfil de teste Conhecendo as tensões No mundo da durabilidade automotiva, os processos de simulação estão muito bem estabelecidos, com base em décadas de engenharia veicular. Usando forças de articulação anteriores ou perfis reais da superfície da estrada como entrada, você pode simular o comportamento do veículo em um ambiente de simulação multicorpo, como o Simcenter 3D Motion , derivando tensões e forças de interface na fixação da bateria. Modelo de veículo completo para prever cargas de componentes Uma simulação de Elementos Finitos no Simcenter 3D avaliará os danos e a previsão da vida útil da estrutura da bateria com base nas cargas nos pontos de fixação, nas tensões modais a serem usadas na análise de resposta no domínio do tempo ou da frequência e na superposição de casos de carga. Os pontos críticos de dano serão pós-processados e seus dados locais poderão ser analisados em detalhes. Sim, mas… a bateria é uma estrutura muito complexa, incluindo materiais especiais, muitas conexões e alguma não linearidade. O acoplamento estrutural da bateria com a estrutura do corpo é forte. Por essas razões, aplicar a abordagem "clássica" descrita acima não é simples. É aqui que entra a engenharia Simcenter, com sua experiência em testes e simulação. Como explica Dirk, “Você precisa entender como a estrutura realmente se comporta quando sujeita a cargas de vibração. É possível esperar que uma bateria tenha um comportamento não linear e é preciso encontrar a melhor abordagem para capturá-lo em seu modelo de Elementos Finitos. Graças à nossa vasta experiência na combinação de testes e simulações, podemos auxiliar nossos clientes na definição de premissas adequadas. Diretrizes de modelagem podem ser definidas com base na correlação da bateria física com o modelo de simulação, adaptando o modelo até que a correspondência seja suficientemente boa. No final, você obtém um Gêmeo Digital que fornece uma representação razoável da bateria real”. O processo geral para avaliação da durabilidade estrutural da bateria é mostrado abaixo: Fluxo de trabalho para análise de durabilidade da bateria Uma solução ideal Como mencionado anteriormente, há uma pressão enorme para reduzir o peso do veículo, a fim de maximizar o alcance. A otimização numérica permite isso. Para permitir uma otimização, a previsão de durabilidade precisa ser rápida o suficiente para ser incluída em um processo de otimização automático. Isso requer o equilíbrio entre o tamanho do modelo e a precisão. Uma maneira de fazer isso é representar o Corpo por meio de uma representação reduzida como um superelemento. O processo de otimização mostrado abaixo é conduzido pelo HEEDS , parte do portfólio Simcenter. Um objetivo típico da otimização é alcançar a estrutura da bateria mais leve possível, garantindo um bom desempenho de durabilidade. Os parâmetros típicos de otimização incluem as seções transversais e a espessura do material da estrutura da bateria, bem como as posições dos parafusos de fixação à carroceria. Tudo isso se torna possível com a parametrização da geometria CAD no NX e a criação de malhas, análises e pós-processamento automáticos. A otimização no HEEDS é aprimorada com IA. Otimizando a estrutura para reduzir o peso Conclusão Nesta postagem do blog, foi apresentado um processo para análise de durabilidade baseada em CAE de uma bateria de EV. A simulação de durabilidade permite antecipar o projeto mecânico, otimizar a estrutura e desenvolver um cenário acelerado válido para testes de componentes. O que você ganha com isso? Obtenha um design aprimorado mais cedo graças a um processo baseado em CAE Evite a abordagem conservadora e reduza a massa Melhore e reduza os testes de bateria Antecipe desafios estruturais e otimize o desempenho da sua bateria de veículo elétrico com a abordagem baseada em Gêmeos Digitais. Agende uma reunião com a CAEXPERTS e descubra como aplicar simulação avançada e testes inteligentes para garantir durabilidade, reduzir massa e acelerar o desenvolvimento com mais precisão e menos custos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Para que uma nova tecnologia tenha sucesso, ela deve chegar na hora certa, fornecer uma solução para um problema do mundo real e resolver esse problema melhor do que qualquer outra tecnologia concorrente. Talvez tenha parecido assim quando os primeiros carros elétricos começaram a aparecer na década de 1880, finalmente um veículo menos poluente depois dos vagões a vapor, que consumiam carvão, e das carruagens puxadas por cavalos, que consumiam cenouras. As cidades estavam sendo eletrificadas e outros veículos elétricos, como os bondes, tornaram-se comuns. Nesse ambiente, o veículo elétrico começou a ganhar força no final do século XIX, embora sua adoção tenha se limitado às cidades americanas e europeias onde existia infraestrutura elétrica. No entanto, ainda não seria a era do veículo elétrico, pois o rápido crescimento inicial da tecnologia atingiu um obstáculo na década de 1920, sendo ultrapassado pelo motor de combustão interna e pelo petróleo barato e abundante. O veículo elétrico foi relegado ao esquecimento em arquivos empoeirados, onde permaneceu silenciosamente esquecido durante a maior parte do século seguinte... E assim permaneceu, até que o elefante na sala, que era a crise climática, não pôde mais ser ignorado e finalmente chegou a hora do VE. É claro que veículos elétricos não estão isentos de desafios – principalmente relacionados à bateria e ao motor. No mundo da Simulação de Engenharia, a fuga térmica da bateria e o resfriamento do motor elétrico tornaram-se tópicos muito quentes (literalmente!). São simulações que seriam impensáveis ​​há poucos anos devido à sua complexidade, tanto em termos de geometria quanto de multifísica. Considere o resfriamento de motores elétricos, por exemplo, que é altamente complexo devido à gama de escalas envolvidas. Jatos de óleo de resfriamento se quebram em gotículas balísticas e, em seguida, em gotículas cada vez menores devido às altas velocidades de rotação e à interação com os intrincados enrolamentos finais. Nuvens de gotículas de dezenas de mícrons ou menos formam misturas e até espuma. Películas finas de óleo se formam em muitas superfícies. Em outros lugares, o óleo se acumula. O óleo flui por pequenas aberturas, indo para onde não deveria. Tudo isso acontecendo em paralelo à transferência de calor e ao eletromagnetismo. O híbrido multifásico atinge a maioridade Essas aplicações complexas impõem novas demandas de simulação, as ferramentas do passado não são mais suficientes e chegou a hora da multifásica híbrida! Modelos multifásicos individuais, como Volume de Fluido (VOF) e Multifásico de Mistura (MMP), foram projetados para um único regime de fluxo multifásico. O método VOF, por exemplo, pressupõe que tudo esteja resolvido e não possui o conceito de mistura, enquanto o Multifásico de Mistura pressupõe apenas a mistura e nenhuma superfície livre resolvida. Escolha qualquer método para essas novas aplicações e ele será levado além de suas premissas e produzirá resultados imprecisos. Por esse motivo, a mudança para aplicações multifásicas mais complexas impulsiona a necessidade de multifásicos híbridos. Adicionando Misturas ao Multifásico Híbrido No Simcenter STAR-CCM+ , a mistura multifásica foi colocada no centro da multifásica híbrida para permitir aplicações como resfriamento de motores elétricos com três excelentes recursos: 1. Modelo de transição de sub-grade multifásica lagrangiana para mistura O primeiro recurso é a capacidade de transformar pequenas gotículas lagrangianas em uma fase de mistura dispersa. Também pode ser usado para bolhas ou partículas sólidas, mas concentre-se nas fases de gotículas líquidas aqui. A multifase lagrangiana é adequada para modelar gotículas grandes e de alto momento que viajam em uma direção diferente da do gás circundante, mas ao simular a quebra secundária de gotículas, pode-se acabar com uma grande população de gotículas minúsculas que seguem o caminho do gás. Trata-se essencialmente de uma mistura, e a lagrangiana não seria uma boa escolha de modelo. Com o novo modelo de interação de fase da sub-grade Lagrangiana para a Multifásica de Mistura, gotas lagrangianas podem ser transicionadas para uma representação de mistura na Multifásica de Mistura. Isso permite que a multifásica lagrangiana seja usada apenas para gotas balísticas de alto momento, enquanto a população maior de gotas menores é transportada como uma mistura. Essa nova funcionalidade funciona com o MMP-LSI – um modelo que combina as capacidades do VOF e da Multifásica de Mistura, utilizando captura de interface localmente onde necessário e permitindo misturas em outros locais. Com essa combinação, agora podemos modelar a cascata completa de escalas multifásicas, desde a resolução até a subgrade. No exemplo abaixo, resolvemos os estágios iniciais da quebra de um jato em fluxo cruzado usando a modelagem de Interface de Grande Escala (LSI), antes de passar as gotículas resolvidas para o Lagrangiano, onde elas continuam a se quebrar em gotículas cada vez menores. Assim que as gotículas se tornam pequenas o suficiente e viajam com o gás circundante, elas são passadas para uma fase Multifásica de Mistura como uma mistura. A transição é baseada no tamanho da gotícula e no número de Stokes. 2. Modelagem de equilíbrio populacional para interfaces multifásicas de larga escala (MMP-LSI) Agora que temos uma rota preditiva para o tamanho das gotículas produzidas pela quebra de grandes corpos de fluido, como jatos, é preciso um método para capturar esses dados valiosos e usá-los em nas simula ções. O tamanho das gotículas é uma variável importante na determinação do transporte de misturas e crucial para a física, como evaporação ou reações. Por esse motivo, foi adicionado suporte ao modelo de equilíbrio populacional S-Gamma com MMP-LSI. O modelo S-Gamma transporta uma distribuição de tamanhos de gotículas da sub-grade, que é modificada sempre que gotículas lagrangianas são transferidas. Além disso, o S-Gamma modela o efeito de novas quebras e coalescências. Isso é essencial em aplicações como resfriamento de motores elétricos, onde jatos de óleo se quebram em gotículas cada vez menores, que podem ter dezenas de mícrons de tamanho, que são transportadas pelo ar em rápida rotação e até mesmo transformadas em espuma. Podemos ver este modelo em ação no exemplo do jato em fluxo cruzado abaixo, onde a distribuição prevista do tamanho das gotas a partir da quebra do jato pode ser vista em termos do diâmetro médio de Sauter da população de gotas da sub-grade resultante. 3. Impacto lagrangiano na mistura fase contínua multifásica A terceira e última característica do trio é outro novo modelo de interação de fase: a capacidade das gotas lagrangianas de colidir com fases contínuas na Multifase de Mistura. Em simulações multifásicas híbridas, o mesmo fluido pode ser representado por vários modelos multifásicos diferentes, e rastrear gotículas de óleo através de óleo líquido (por exemplo) não faria sentido. Essa nova interação de fases permite que gotículas lagrangianas incidam em corpos maiores de fluido representados por MMP-LSI. Veja isso na prática – abaixo, temos uma fonte onde o jato é inicialmente resolvido como uma superfície livre (LSI), que então se fragmenta em gotículas lagrangianas. As gotículas então incidem na superfície livre do reservatório da fonte, completando o ciclo. Juntos, esses recursos permitem simular aplicações que contêm misturas ou dentro da estrutura de multifásicos híbridos. Resfriamento de máquinas eletrônicas – Uma aplicação prática do novo método multifásico híbrido Anteriormente, não existia um conjunto de ferramentas que pudesse abranger todos esses regimes multifásicos com precisão em uma única simulação e de forma acessível. A combinação dessas tecnologias complementares nos permite simular com precisão aplicações onde antes tínhamos que sofrer com a imprecisão causada por suposições ou com o custo de um alto nível de resolução. Com a multifásica híbrida, temos precisão acessível ao nosso alcance. Agora é o momento certo para modelar a complexidade dos veículos elétricos (e outras aplicações) com multifásicos híbridos para obter vantagem em desempenho e obter insights sobre seus projetos nunca antes possíveis. Veja essas ferramentas sendo usadas para simular o resfriamento de óleo de um motor elétrico. A simulação do resfriamento do jato de óleo em um motor elétrico se torna altamente precisa e acessível usando Multifásico Híbrido com Interface de Grande Escala Multifásica de Mistura (MMP-LSI), incluindo S-Gamma, Multifásico Lagrangiano e Filme Fluido Aqui, temos jatos de óleo introduzidos a partir de um eixo rotativo, que foi resolvido com malha adaptativa e Interfaces de Grande Escala (LSI). Os jatos atingem os enrolamentos finais, resfriando-os e, em seguida, se quebram em gotículas. Essas gotículas foram rastreadas como uma fase Lagrangiana enquanto suficientemente grandes, mas, à medida que se quebram, são convertidas em uma mistura com distribuição do diâmetro da população de gotículas modelada por S-Gamma. Por último, mas não menos importante, tem-se um Filme de Fluido no revestimento externo com impacto e stripping entre a fase Lagrangiana e a Multifásica de Mistura. Agende uma reunião com a CAEXPERTS e descubra como simular fenômenos multifásicos complexos — como o resfriamento por jato de óleo em motores elétricos — com precisão e acessibilidade inéditas usando o Simcenter STAR-CCM+ . Estamos prontos para ajudar você a transformar desafios de engenharia em soluções inovadoras. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

No mundo do ciclismo profissional, a atenção aos detalhes pode fazer a diferença entre a vitória e o revés — e esse princípio se estende às garrafas de água seguradas pelos ciclistas. Longe de serem simples recipientes, essas garrafas incorporam uma sofisticada interação de ergonomia, aerodinâmica e engenharia de ponta, considerações de design que, em última análise, influenciam a hidratação, o conforto do ciclista e até mesmo o desempenho em etapas extenuantes da corrida. Hoje, o desenvolvimento de produtos aparentemente comuns depende fortemente da moderna tecnologia de simulação. Simulação de compressão de garrafas para a garrafa de corrida perfeita A versão mais recente do Simcenter STAR-CCM+ , versão 2506, traz uma inovação significativa para este domínio com os Elementos Hexagonais Lineares Aprimorados. Este aprimoramento revoluciona a eficiência da simulação para estruturas de paredes finas, como garrafas de bicicleta, proporcionando mais de três vezes a velocidade para simulações estruturais e, com isso, também proporcionando uma aceleração substancial para cenários de Interação Fluido-Estrutura (FSI). Como resultado, os engenheiros podem iterar rapidamente em seus projetos, alcançando o equilíbrio ideal de peso, flexibilidade e desempenho necessário para competições de elite, ajudando os ciclistas a se manterem hidratados sem perder o ritmo. Projetar uma garrafa de ciclismo que se destaque em todas essas frentes exige uma abordagem meticulosa. Fatores como formato da garrafa, espessura da parede, escolha do material e design do bico impactam diretamente não apenas a experiência do usuário, mas também a capacidade de fabricação e o custo do produto. Erros nessa fase podem se tornar caros rapidamente, já que a produção de moldes avançados de extrusão e sopro pode chegar a € 10.000 ou mais por peça. É por isso que plataformas de simulação como o Simcenter STAR-CCM+ são indispensáveis ​​no desenvolvimento de produtos atuais. Ao modelar a resposta estrutural de uma garrafa à pressão da mão, os engenheiros garantem que cada garrafa seja leve, resistente e se encaixe perfeitamente na mão e no suporte da garrafa do ciclista. Ativando os recursos de fluido e FSI do software, os designers podem refinar ainda mais as características de fluxo, garantindo que cada aperto proporcione hidratação instantânea e sem esforço, com o mínimo de esforço, etapa após etapa. Uma pegada firme Uma das primeiras considerações ao projetar uma garrafa de água é a sensação que ela proporciona na mão do ciclista. A aderência é essencial — os ciclistas devem ser capazes de agarrar, apertar e devolver a garrafa ao seu suporte quase sem pensar, especialmente quando a fadiga se instala ao final de uma longa etapa. As paredes laterais precisam ser o mais flexíveis possível para permitir um aperto fácil. O fundo precisa ser mais rígido para que a garrafa retorne ao seu formato original e se encaixe perfeitamente no suporte. A parte superior da garrafa — que se conecta à tampa — deve permanecer sempre firme para evitar vazamento de fluido. Para simular o uso no mundo real, observamos um evento típico de compressão: um ciclista comprime a garrafa em 10 mm de cada lado em apenas 0,15 segundos, mantém essa pressão por 0,2 segundos e, em seguida, a solta. (Podemos ignorar com segurança o dedo mindinho na distribuição de carga, já que, como qualquer observador atento do ciclismo notará, ele não contribui muito.) Capturar essa interação com precisão é crucial para entregar um produto com bom desempenho em condições de corrida. O Simcenter STAR-CCM+ Structural Mechanics fornece todas as ferramentas necessárias para simular esse tipo de ação de compressão e analisar como a espessura da parede influencia a força necessária. De acordo com estudos ergonômicos e literatura publicada, a maioria dos usuários considera forças de compressão entre 10 e 20 N confortáveis ​​durante o uso repetido, enquanto forças acima de 30 N são consideradas notavelmente duras e desconfortáveis. Para um projeto típico de garrafa de corrida, nossas simulações estruturais mostram que uma espessura de parede lateral de 0,6 mm resulta em uma força de compressão de aproximadamente 8,6 N — bem dentro dessa zona de conforto. Reduzir a espessura da parede em apenas 0,2 mm reduz a força necessária para mais da metade; aumentá-la em 0,2 mm quase a dobra. Isso destaca a importância da seleção da espessura da parede para o projeto ideal da garrafa. Dobramento preciso com elementos hexaédricos lineares aprimorados (Hex8E) A modelagem da deformação por flexão dessas estruturas de paredes finas requer elementos de malha apropriados. Nesse caso, malhas de elementos hexaédricos são ideais. Os novos elementos hexaédricos lineares aprimorados (Hex8E) introduzidos no Simcenter STAR-CCM+ 2506 oferecem quase a mesma qualidade de simulação de flexão que os elementos Hex20 de ordem superior, mas com um custo computacional muito menor do que os elementos Hex8 padrão. Em comparação, o uso de elementos Hex8 padrão em problemas com predominância de flexão pode levar a fortes efeitos de travamento, resultando em uma força de compressão prevista até 2,5 vezes maior do que a realidade. Os elementos Hex8E aprimorados, por outro lado, não apenas fornecem resultados precisos, mas também aceleram a simulação — três vezes mais rápido neste caso e até sete vezes mais rápido para estruturas maiores em comparação com os elementos Hex20. Com esses avanços, os engenheiros podem explorar e otimizar eficientemente a experiência tátil da garrafa, garantindo que ela seja fácil de apertar, rebata rapidamente e mantenha sua integridade a cada viagem, ao mesmo tempo em que acelera os ciclos de desenvolvimento e minimiza erros dispendiosos de prototipagem. Diagrama comparando espessuras com 0,6 mm Hex8 vs Hex8E vs Hex20 e, em seguida, 0,4 mm e 0,8 mm Hex8E em função do tempo, juntamente com o movimento do dedo Tempos de resolução normalizados para simulação somente de estrutura com número variável de processos (NP) Compreendendo o equilíbrio fluido-estrutural Um fator particularmente crítico no design da garrafa de água é a quantidade de pressão que o ciclista precisa exercer para que a água flua. No final de uma corrida extenuante, os ciclistas do Tour de France têm pouca energia disponível, e a última coisa de que precisam é lutar com uma garrafa teimosa. É vital que as garrafas exijam o mínimo de força possível para fornecer um fluxo de água satisfatório. Isso não apenas minimiza o tempo que os ciclistas passam bebendo — tempo durante o qual seu foco é inevitavelmente desviado da estrada — como também reduz o esforço físico, permitindo que mantenham a concentração e o desempenho máximos até a linha de chegada. Quando a garrafa é comprimida, tanto a água quanto a bolsa de ar retida em seu interior são comprimidas, resultando em um fluxo de água para fora do bico. O comportamento exato — a quantidade de água expelida para uma determinada força de compressão — depende não apenas da pressão manual aplicada, mas também da complexa relação entre a geometria do bico, a flexibilidade da parede da garrafa e a proporção de ar e água na garrafa. Essa interação entre a dinâmica estrutural e a dinâmica dos fluidos é complexa e não pode ser totalmente capturada sem uma simulação abrangente de interação fluido-estrutural (FSI) multifásica. Uma das vantagens significativas de usar o Simcenter STAR-CCM+ para este processo é a integração perfeita da modelagem estrutural e de fluidos. Para passar de uma simulação estrutural para uma configuração completa de FSI, basta definir o domínio do fluido e adicioná-lo ao modelo estrutural previamente estabelecido. Recursos avançados como estabilização dinâmica, resíduo de tração FSI e resíduo de estabilização dinâmica garantem que as simulações permaneçam robustas e precisas, mesmo sob as cargas rápidas e transitórias experimentadas durante o uso real da garrafa. É importante ressaltar que, à medida que a pressão aumenta dentro da garrafa, ela não apenas expulsa o fluido, mas também aumenta a força de compressão necessária e causa mais deformação da estrutura plástica — tornando uma abordagem de FSI acoplada bidirecional essencial para resultados realistas. Os resultados dessas simulações FSI, como mostrado no diagrama 4, ilustram um ponto-chave: além da força necessária apenas para deformar o plástico, os ciclistas também precisam superar a resistência do fluido à medida que a água é forçada através do bico. Nesse caso, a força necessária para comprimir a garrafa com o fluido dentro é mais de 4 vezes maior do que sem o fluido. Para um desempenho verdadeiramente otimizado, tanto o design estrutural da garrafa quanto a geometria do bico devem ser considerados em conjunto, garantindo o fluxo máximo de água com a menor força de compressão possível. Fluxo de massa de água em função da força de compressão da simulação FSI Do Design à Fabricação Uma vez finalizado o projeto ideal para a garrafa de ciclismo, a atenção se volta para a fabricação — especificamente, para garantir que o formato desejado e as espessuras de parede cuidadosamente selecionadas possam ser efetivamente alcançadas na produção. Com os recursos de reologia computacional baseada em elementos finitos do Simcenter STAR-CCM+ , os engenheiros podem simular o próprio processo de moldagem por sopro. Esse recurso permite a previsão virtual do fluxo de material e da distribuição de espessura resultante dentro da garrafa final — muito antes de qualquer ferramenta física ser cortada. Na versão mais recente, o Simcenter STAR-CCM+ 2506 , foram introduzidos novos recursos de modelagem de contato, permitindo a simulação das interações entre a garrafa em expansão e o molde durante a conformação. Isso garante que as características geométricas e espessuras críticas sejam reproduzidas fielmente na fabricação, ajudando a minimizar iterações dispendiosas de tentativa e erro no chão de fábrica. Ao integrar perfeitamente o design do produto e a simulação do processo, o Simcenter STAR-CCM+ acelera a inovação do ambiente de trabalho digital para produtos reais e prontos para a competição. Correndo para o topo – Um aperto perfeitamente projetado de cada vez Enquanto o grande pelotão percorre a França em julho, cada aperto de uma garrafa d'água é apoiado por engenharia e simulação sofisticadas. O que parece simples à primeira vista é, na realidade, o resultado de design e otimização digitais avançados, apoiando os maiores atletas do mundo em sua busca pela vitória, um aperto perfeitamente projetado de cada vez. Quer transformar até os menores detalhes do seu produto em diferenciais de performance? Agende uma reunião com a CAEXPERTS e descubra como a simulação com o Simcenter STAR-CCM+  pode levar o seu design — de garrafas de ciclismo a componentes de alta engenharia — a um novo patamar de precisão, eficiência e inovação. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A versão mais recente do Simcenter HEEDS 2504 permite que os usuários continuem descobrindo designs melhores, mais rapidamente! Esta versão aprimora a tecnologia de exploração espacial de design de ponta do Simcenter HEEDS , oferecendo modelagem substituta aprimorada, novos recursos de visualização, fluxos de trabalho acelerados por IA e opções de integração expandidas que, juntos, criam um fluxo digital contínuo em todo o ciclo de vida de desenvolvimento do produto. Novos aprimoramentos no Simcenter HEEDS 2504 permitem que você: Complexidade do modelo por meio da otimização da modelagem substituta Explore possibilidades com ferramentas aprimoradas de mineração de dados e visualização Vá mais rápido com automação de fluxo de trabalho e pesquisa aprimorada por IA Mantenha-se integrado com as atualizações dos portais existentes e a adição de novos portais Modele a complexidade O Simcenter HEEDS 2504 apresenta uma nova abordagem para modelagem substituta com uma aba "Substitutos" consolidada. Este ambiente centralizado simplifica a maneira como os engenheiros criam, avaliam e aplicam modelos substitutos em todo o processo de exploração do projeto: Espaço de trabalho unificado: acesse todos os recursos de modelagem substituta por meio de uma interface única e intuitiva que simplifica todo o processo, desde a preparação de dados até a aplicação do modelo. Seleção automatizada do melhor substituto: elimine suposições com recomendações inteligentes de modelos substitutos baseadas em análises estatísticas abrangentes do seu conjunto de dados Detecção avançada de outliers: identifique pontos de dados problemáticos por meio de algoritmos sofisticados e indicadores visuais claros, garantindo que os modelos substitutos representem com precisão a física subjacente. Ferramentas de comparação abrangentes: avalie várias abordagens de modelagem simultaneamente com métricas de desempenho lado a lado e diagnósticos visuais Essas melhorias tornam a modelagem substituta avançada acessível a engenheiros de todos os níveis de experiência, ao mesmo tempo em que proporcionam a profundidade e a flexibilidade exigidas por especialistas em simulação. O resultado é um desenvolvimento mais rápido de metamodelos precisos que podem acelerar drasticamente a exploração do espaço de projeto, mantendo alta confiabilidade nos resultados. Explore as possibilidades O Simcenter HEEDS 2504 aprimora insights e descobertas com ferramentas aprimoradas de mineração de dados e visualização para transformar dados em insights. O gráfico de influência Boruta atualizado oferece uma visão mais clara e intuitiva da sensibilidade das variáveis, para análises mais rápidas e eficientes. Novos efeitos visuais, incluindo linhas desfocadas, preenchimentos de polígonos e sobreposições estatísticas adicionadas em gráficos paralelos, permitem interpretar tendências rapidamente e se aprofundar na história que seus dados contam. Essas atualizações permitem uma tomada de decisão mais rápida e focada para explorar o que é possível. Vá mais rápido O Simcenter HEEDS 2504 acelera a exploração do espaço de projeto com automação de fluxo de trabalho mais inteligente e uma experiência do usuário mais eficiente. A marcação ficou mais fácil com o agrupamento de arquivos mais inteligente com base nas análises dos pais. Agora, uma estrutura em árvore durante a marcação proporciona maior transparência e a visualização agiliza o processo de marcação, permitindo uma marcação mais rápida, especialmente para fluxos de trabalho maiores. A marcação de scripts agora oferece suporte a instruções de impressão em Python para facilitar a depuração e a solução de problemas de forma transparente. Um novo recurso personalizável de salvamento automático ajuda a evitar a perda de dados durante a criação de fluxos de trabalho, e o suporte total a monitores de alta resolução (DPI) garante uma interface limpa e consistente em todas as resoluções de tela. O Simcenter HEEDS AI Simulation Predictor foi atualizado para uma utilização mais eficiente de recursos paralelos, permitindo a maximização dos recursos de simulação. Além disso, mensagens aprimoradas fornecem feedback em tempo real durante o treinamento e a previsão, proporcionando aos usuários mais transparência sobre o progresso, bem como melhores informações sobre solução de problemas. Mantenha-se integrado O Simcenter HEEDS 2504 aprimora a integração em todo o seu fluxo de trabalho de simulação com melhorias nos portais existentes, além da adição de novos portais. Portais existentes, como Simcenter Amesim , NX , Simcenter FLOEFD e GTI, foram atualizados para melhor desempenho e flexibilidade. O Simcenter Amesim foi reorganizado e aprimorado para abranger mais opções. O NX foi aprimorado para permitir a introdução de um diário personalizado em várias partes do processo de execução, alinhando-se com o portal Simcenter 3D . Um novo portal do Simcenter FLOEFD foi criado com integração direta com API, liberando maiores recursos de paralelismo e o potencial de uso com o Simcenter HEEDS AI Simulation Predictor . O antigo portal FLOEFD Parametric (não baseado em API) também está disponível para maior flexibilidade, dependendo da necessidade do usuário. O portal GTI foi expandido para suportar resultados de arquivos *.glx e as versões mais recentes do GTI. Novos portais para o Ansys Discovery e o Aspen HYSYS Simulation Workbook expandem ainda mais a conectividade do Simcenter HEEDS , garantindo fluxos de trabalho tranquilos e simplificados. Descubra como acelerar sua inovação com o novo Simcenter HEEDS 2504 ! Fale com um especialista da CAEXPERTS e veja na prática como as melhorias em modelagem substituta, visualização avançada, IA e integração podem transformar seu processo de desenvolvimento. Agende uma reunião e leve sua engenharia para o próximo nível. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br