Hace unos días se me cayó, otra vez, el teléfono al suelo.
Se agrietó la parte trasera. Otra más.
Y pensé que podía convertirlo en una práctica interesante de FEA explícito.
Al fin y al cabo, desde entonces llevo encima el resultado de un test real.
También podría haber pensado en comprarme una carcasa para protegerlo.
Pero soy así.
Y menos mal.
Porque este caso acabó dejando varias lecciones bastante más útiles que el propio móvil.
La primera simulación parecía creíble. Y ese era precisamente el problema.
El primer resultado mostraba una rotura bastante severa.
A simple vista, parecía convincente.
El teléfono real estaba roto. La simulación también enseñaba daño. Y era muy fácil comprar la historia sin hacer demasiadas preguntas.
Pero había un problema.
Ese cálculo estaba introduciendo demasiada masa artificial.
Y eso significaba que una parte de la respuesta podía estar más condicionada por una decisión numérica que por la física real del impacto.
Ahí apareció la primera lección del caso:
una simulación convincente no siempre es una simulación fiable.
Cuando reduje el mass scaling, cambió también la historia
Al bajar ese mass scaling, la respuesta cambió bastante:
- bajó la masa artificial
- cambió el rebote
- se redujo la rotura
- y el comportamiento se acercó más a algo físicamente razonable
Eso no significaba que el modelo ya fuera perfecto.
Significaba algo más importante:
que el primer resultado no era tan sólido como parecía, y que una parte de la historia la estaba escribiendo el propio cálculo.
Segunda lección:
Si un parámetro numérico cambia mucho la respuesta, todavía no deberías casarte con el resultado.
Pero tampoco hacía falta ponerse purista
Después de eso, la pregunta lógica era bastante obvia: si el mass scaling distorsiona, ¿hay que quitarlo por completo?
No necesariamente.
Y aquí creo que en simulación a veces nos ponemos un poco religiosos.
Ni toda simplificación es mala. Ni toda pureza numérica es una virtud moral.
En un proyecto real no decides entre “perfecto” y “desastroso”.
Muchas veces decides entre:
- más fidelidad
- más coste computacional
- más tiempo de cálculo
- o fiabilidad suficiente para tomar una buena decisión a tiempo
Tercera lección:
El criterio no está en perseguir la simulación más pura, sino en controlar cuánto error puedes permitirte sin arruinar la decisión.
Y cuando parecía que el problema ya era solo numérico, apareció el material
Aquí vino el giro más interesante.
Aunque controles mejor la parte numérica, todavía quedaba otra pregunta:
¿El material del modelo representa de verdad el evento que quieres estudiar?
Porque una simulación puede mejorar mucho y seguir apoyándose en una física pobre.
Ese fue el punto donde el caso del móvil dejó de ser solo un ejercicio curioso y se convirtió en una lección más general:
puedes refinar muy bien el cálculo… y seguir lejos de tener un modelo realmente fiable si no distingues entre error numérico y error físico.
La lección de fondo no iba sobre móviles
Al final, lo más valioso de este caso no fue aprender algo sobre un teléfono agrietado.
Fue recordar algo que en ingeniería conviene no olvidar:
la simulación no vale por lo bien que se ve. Vale por la calidad de las decisiones que te permite tomar.
Si el resultado parece espectacular pero está mal interpretado, puede empujarte a sobre-ingeniería, a decisiones conservadoras sin base o a una confianza que no te has ganado.
Y eso, en la industria, sale caro.
Si quieres más casos como este…
En Disimulando estoy construyendo justo eso: casos, aprendizajes y criterio práctico sobre simulación, materiales e ingeniería con menos incertidumbre y más cabeza.
Si quieres recibir este tipo de contenidos cuando publique nuevos casos, puedes entrar aquí y apuntarte a la newsletter desde la home:
Apúntate aquíSi te interesa entender mejor cómo pienso este tipo de problemas, ahí iré compartiendo más casos como este.