Formula Student Aero

Prompt

Actúa como un Evaluador Experto en Inteligencia Artificial aplicada a la Ingeniería de Competición y Consultor Senior en Metodología Técnica de Motorsport. Tu tarea es realizar una evaluación comparativa exhaustiva, rigurosa y a ciegas entre dos modelos de IA líderes de última generación (Modelo A y Modelo B). Ambos han recibido el mismo contexto técnico de un departamento de aerodinámica de Formula Student (UVigo Motorsport, monoplaza UM27) y se les ha pedido que auditen el flujo de trabajo, señalen vulnerabilidades críticas y propongan un roadmap de optimización. A continuación tienes toda la información de base y las respuestas completas e íntegras generadas por cada modelo. ====================================================================== 1. CONTEXTO TÉCNICO Y AUDITORÍA DEL DEPARTAMENTO (INPUT COMÚN) ====================================================================== - Categoría y Entorno: Formula Student (monoplaza UM27). Sin límite de horas de CFD ni túnel (sin ATR), pero con fuerte limitación de presupuesto universitario y calendario académico. - Equipo y Recursos Humanos: Jefe de Diseño de Aerodinámica centralizando el 100% del diseño CAD y arquitectura conceptual; 1-2 miembros lanzando iteraciones menores sobre geometrías base; 11 miembros iniciales ampliando a ~20. - CAD y Modelado: CATIA V5 (GSD, FreeStyle, Part Design). Estructura rígida de piezas en carpetas INPUT (normativa FS), CONSTRUCTION (esqueletos wireframe y superficies) y OUTPUT (trimming, join, close surface y mirror). Verificación de perfiles custom con peines de curvatura (porcupine). Automatización CAD casi nula (solo scripts para ordenación de producto). - CFD y Métodos Numéricos: Simcenter STAR-CCM+. RANS estacionario con k-omega SST. Cero simulaciones transitorias (sin URANS ni DES). Se asume flujo 100% turbulento sin modelo de transición laminar-turbulenta (Gamma-Re_theta) a bajo número de Reynolds. Malla poliédrica con Prism Layer Mesher: Low-y+ (~1, 12-18 capas) en superficies aerodinámicas activas y High-y+ (All-y+ Wall Treatment, 30-100, 6-8 capas) en piloto y chasis tubular. - Cinemática y Condiciones de Contorno: Condición de pared con velocidad tangencial pura en neumáticos (sin MRF en llantas/radios). Contact patch modelado como corte plano/hundimiento estático en el suelo sin deformación elástica del flanco. En curvas se usa un dominio curvado con MRF global. - Refrigeración y Empaquetamiento: Radiadores modelados como volúmenes de medio poroso (porous media) mediante field functions. Coeficientes inerciales y viscosos derivados de un Excel analítico teórico (sin datos de fabricante ni ensayos de flujo). Simulación 100% isotérmica (sin resolución térmica). Brazos de suspensión modelados como cilindros desnudos sin perfilar. - Convergencia y Malla: Límite de 2000 iteraciones o criterio de parada de desviación <0.1% en las últimas 150-200 iteraciones. El último estudio formal de convergencia de malla se realizó en la Iteración 1; actualmente van por la Iteración 35. - Cómputo y Pipelines: Supercomputador Finis Terrae III (CESGA) vía SFTP y SSH/Gate One. Macros nativas en Java para STAR-CCM+ y scripts de Python para extracción de datos. Dashboard web propio interactivo (HTML/JS + Cloudflare Workers + Google Drive API) que compara deltas de fuerzas por componente (Front, Rear, Canards, Sidepods) y mapas escalares de corte. - Dinámica e Integración: Aeromap preliminar de 46 puntos para Ride Heights y paso de 0.5 deg en Roll. Objetivo de diseño: 48% Aero Balance (-2% respecto al CoG). No disponen de simulador de tiempo por vuelta (Lap Time Simulation) con sensibilidades formalizadas (décimas por ClA o CdA). - Validación Experimental: CERO horas de túnel de viento. Instrumentación avanzada (sensores lineales de suspensión y escáner de presión diferencial de 16 canales como EvoScann P16-A o bus CAN) en fase de compra/desarrollo; pruebas cualitativas previas con flow-vis y lanas con poco éxito. Las piezas se montan en el monoplaza por confianza ciega en el CFD. - Estructura y Materiales: Fabricación propia en fibra de carbono (predominio de prepreg, moldes mecanizados en espuma/aluminio y algo de impresión 3D). Capas exteriores orientadas a +/-45 grados para rigidez torsional. Sin cálculo formal de penalización de masa vs ganancia aerodinámica ni escaneado 3D de piezas terminadas. ====================================================================== 2. RESPUESTA GENERADA POR EL MODELO A ====================================================================== [PEGAR AQUÍ LA RESPUESTA COMPLETA Y LITERAL DEL MODELO A] ====================================================================== 3. RESPUESTA GENERADA POR EL MODELO B ====================================================================== [PEGAR AQUÍ LA RESPUESTA COMPLETA Y LITERAL DEL MODELO B] ====================================================================== INSTRUCCIONES DE EVALUACIÓN PARA EL EVALUADOR ====================================================================== Analiza y compara minuciosamente ambas respuestas sin asumir superioridad previa de ninguna. Estructura tu evaluación en los siguientes 6 apartados obligatorios: 1. Calado Fluidodinámico y Rigor de Ingeniería - Evalúa qué modelo entendió mejor la física específica de un Formula Student (bajos números de Reynolds, gradientes de presión adversos en perfiles multielemento, interacción suelo-difusor y vorticidad de rueda). - Analiza cómo trató cada IA las simplificaciones del setup: omisión del modelo de transición laminar-turbulenta, el contact patch plano sin plinto/jetting, la rotación de rueda sin MRF y el medio poroso teórico isotérmico. ¿Cuál explicó el impacto físico real en pista y no solo la teoría de libro? 2. Diagnóstico de Cuellos de Botella Organizativos y Operativos - Evalúa cómo abordó cada modelo el riesgo de "bus factor" (centralización del diseño en una sola persona), la desconexión con Dinámica (aeromapa de 46 puntos sin métricas de sensibilidad de tiempo por vuelta) y la falta total de correlación física cerrada (piezas a pista 100% por fe). - ¿Qué modelo identificó las vulnerabilidades operativas más peligrosas frente a fallos triviales o cosméticos? 3. Pragmatismo, ROI y Adaptación al Contexto Universitario - Calibra el grado de realismo de las propuestas. ¿Alguna IA propuso soluciones descontextualizadas (como exigir simulaciones LES transitorias masivas, túnel de viento a escala 60% con cinta rodante o software de escaneado óptico industrial) que ignoran las restricciones reales de un equipo de estudiantes? - ¿Cuál diseñó recomendaciones viables que aprovechan los recursos ya disponibles (CESGA, macros Java/Python, dashboard web, telemetría Link/MoTeC)? 4. Evaluación de los Roadmaps Propuestos - Compara la estructura temporal y accionabilidad de los planes de acción propuestos (quick wins inmediatos vs proyectos a medio plazo vs cambios de arquitectura). - ¿Qué modelo ofreció tareas concretas, verificables y ordenadas por retorno técnico directo en pista? 5. Matriz de Puntuación Ponderada (Tabla Comparativa) Asigna una puntuación del 1 al 10 en las siguientes categorías, justificando brevemente cada nota: - Precisión analítica y física de fluidos (25%) - Detección de puntos ciegos y asunciones no medidas (25%) - Pragmatismo y adaptación al marco Formula Student (20%) - Calidad y viabilidad del roadmap técnico (15%) - Estructura, claridad y densidad técnica del informe (15%) 6. Veredicto Final y Síntesis de Alto Rendimiento - Define el perfil analítico de cada modelo (puntos fuertes y sesgos de cada IA al auditar proyectos de ingeniería). - Extrae las 3 mejores propuestas exclusivas del Modelo A y las 3 mejores del Modelo B, fusionándolas en un plan de acción definitivo y de máximo valor técnico para el departamento.