Los problemas presentes en aplicaciones de ingeniería y los sistemas desarrollados para lidiar con estos son en general complejos. Por cuestiones de argumento, simplemente, consideremos los sistemas utilizados para generar la energía que todos consumimos en el día a día. Actualmente, más del 80% de la energía consumida en el mundo proviene de procesos de combustión. Esto implica que la combustión es crucial para nuestras actividades cotidianas. Los sistemas de combustión utilizados en la práctica involucran varios fenómenos físico-químicos, altamente non-lineares y correlacionados entre sí. Los referidos fenómenos incluyen turbulencia, reacción química, radiación, evaporación, acoplamiento llama-pared, formación de material particulado (hollín), etc. La predicción de estos fenómenos intrínsecamente acoplados en sistemas prácticos de combustión es, en términos simples, una pesadilla. Sin embargo, el diseño de estos sistemas requiere el entendimiento de la referida fenomenología.
Situaciones similares se presentan en otras aplicaciones de ingeniería. Por ejemplo, en el trasporte y molienda de minerales, flujos complejos incluyendo fases sólidas, líquidas y gaseosas están usualmente presentes. En biomédica, la predicción del comportamiento del flujo sanguíneo no newtoniano en arterias coronarias humanas durante un ciclo cardíaco es también vital. Similarmente, en el contexto actual de la pandemia del Coronavirus, es fundamental entender los flujos multifásicos caracterizando la generación, transporte e inhalación de gotículas cargadas de patógenos, las escalas características de los aerosoles formados, y su relación con la transmisión de este virus entre los seres humanos.
La aplicación de abordajes tradicionales, basados en métodos analíticos, incluyendo un gran número de simplificaciones, por ejemplo, no son útiles para predecir el comportamiento de los flujos complejos presentes en las situaciones descritas anteriormente. El uso de métodos empíricos y modelos físicos, basados en experiencia acumulada a lo largo de los años, es algo que se podría utilizar, pero el costo y el tiempo de ejecución son, en general, significativos. En contraste, el modelamiento numérico, basado en dinámica de fluidos computacional (CFD), por ejemplo, permite realizar experimentos numéricos con costos significativamente menores. Además, el continuo desarrollo de la industria del hardware computacional, involucrando procesamiento paralelo de alto desempeño, incluyendo tecnologías tipo CPU y GPU, permite obtener actualmente con relativa rapidez resultados numéricos cada vez más confiables.
Por lo tanto, existe la necesidad de formar profesionales en nivel de pregrado y posgrado capaces de modelar numéricamente, y de manera adecuada, los diversos sistemas complejos presentes en las aplicaciones de ingeniería. La referida formación debe estar enfocada no solamente en el uso de estos modelos y de las herramientas comerciales y open-source disponibles abiertamente, sino también en el desarrollo de los mismos. Solamente un entendimiento adecuado de las ecuaciones matemáticas, siendo resueltas en los modelos numéricos, permite producir soluciones útiles y confiables. Como ocurre en países que desarrollan tecnología de forma masiva, es de esperar que el uso cada vez mayor de modelamiento numérico en nuestro país permita desarrollar un mayor número de soluciones tecnológicas, y que este deje de ser un mero exportador de materia prima. Esto sin duda contribuirá al desarrollo del país y de la sociedad en general.
Comentarios