Ahora puedes comprobarlo

Aquí encontrarás proyectos desarrollados en hospitales, centros de datos, administraciones públicas, industria y transporte, donde la continuidad del servicio no admite margen de error.

Alta
densidad

Alta densidad

Cómo reducir un 75% el consumo de ventiladores sin perder redundancia. HPC Rack 7,4 kW y Optimización CRAC.

Centro de datos / Alta densidad

Reto

La sala trabajaba con varios racks HPC de alta densidad y tres equipos CRAC funcionando al 100%. El sistema mantenía la operación, pero con un consumo elevado, puntos de velocidad negativa y una pérdida de carga que penalizaba el rendimiento térmico de la instalación.

Solución

Creamos y correlacionamos un modelo CFD con mediciones reales de la sala para entender cómo se comportaba el flujo de aire. A partir de esa validación, se compararon escenarios y se propuso una solución optimizada: seis equipos trabajando al 50%, junto con mallas ecualizadoras en plénum para homogeneizar el flujo y alimentar correctamente el rack crítico.

Resultado

El consumo de ventiladores se redujo de 27 kW a 6,75 kW, manteniendo la misma redundancia. Además, se eliminaron los puntos de velocidad negativa, se mejoró la velocidad mínima inroom y se redujo la pérdida de carga máxima de 60 Pa a 25 Pa.

Equipamiento
crítico

Equipamiento crítico

Cómo detectar focos térmicos críticos antes de que comprometan tu equipamiento. Modelado CHT de SAI y armarios de baterías.

Centro de datos / equipamiento crítico

Reto

En una infraestructura crítica, no basta con controlar la temperatura de la sala. Equipos como SAI y armarios de baterías pueden concentrar calor en componentes internos que no siempre son visibles desde la monitorización general, pero que pueden afectar al rendimiento, la vida útil y la fiabilidad del sistema.

Solución

Desarrollamos un modelo CHT para analizar el comportamiento térmico del SAI y sus armarios de baterías, incorporando materiales reales, rutas de entrada y salida de aire y el reparto de pérdidas por componente. Este análisis permitió identificar los puntos de mayor exigencia térmica y entender cómo se distribuía el calor dentro del propio equipamiento.

Resultado

El estudio permitió localizar focos térmicos críticos y obtener una visión mucho más precisa del comportamiento real del sistema. Una información clave para tomar decisiones de mejora, proteger los equipos y reducir riesgos antes de que se traduzcan en incidencias operativas.

Simulación
avanzada

Simulación avanzada

Cómo optimizar un CPD con datos reales, no con suposiciones. Validación experimental de modelo CFD.

Centro de datos / simulación avanzada

Reto

Antes de modificar la climatización de una sala crítica, el cliente necesitaba saber si el comportamiento térmico que mostraba la simulación coincidía con lo que realmente estaba ocurriendo en la instalación. Sin esa validación, cualquier mejora podía basarse en una lectura incompleta del problema.

Solución

Contrastamos el modelo CFD con mediciones reales tomadas en la sala: cámara termográfica, sondas de temperatura, anemometría y balómetro en rejillas, retornos e impulsiones. De este modo, pudimos comparar la simulación con el comportamiento real de la instalación y ajustar el modelo antes de proponer cualquier actuación.

Resultado

El cliente obtuvo una base fiable para tomar decisiones sobre su infraestructura. La validación permitió reducir incertidumbre, detectar desviaciones entre el modelo y la realidad, y plantear mejoras con mayor seguridad técnica antes de actuar sobre una instalación en servicio.

Simulación
CFD

Simulación CFD

Cómo lograr que una simulación CFD reproduzca el comportamiento real de tu instalación. Caracterización de rejillas porosas.

Centro de datos / simulación CFD

Reto

En una sala crítica, una simulación CFD solo es útil si representa con precisión cómo se comporta realmente cada elemento de la instalación. Rejillas, mallas, retornos e impulsiones pueden alterar el flujo de aire y la pérdida de carga, provocando que el modelo no refleje con fiabilidad lo que ocurre en la sala.

Solución

Caracterizamos las rejillas porosas mediante un ajuste Darcy-Forchheimer, calibrando experimentalmente los coeficientes de resistencia viscosa e inercial. De este modo, el modelo CFD pudo incorporar el comportamiento real de estos elementos y reproducir con mayor precisión el flujo de aire de la instalación.

Resultado

El cliente obtuvo un modelo mucho más fiable para analizar su infraestructura y tomar decisiones con mayor seguridad. Al representar correctamente la resistencia de cada elemento, la simulación dejó de ser una aproximación genérica y se convirtió en una herramienta precisa para evaluar mejoras, reducir incertidumbre y actuar con criterio técnico.

Conocimiento que te ayuda a decidir mejor

Artículos técnicos pensados para ayudarte a entender mejor los retos, riesgos y decisiones que afectan a tu infraestructura crítica.