// descripción
Este proyecto desarrolla un modelo computacional que simula y compara el suministro de combustible en motores de pequeña cilindrada (125cc), contrastando la inyección electrónica frente al carburador tradicional. Usando muestreo Monte Carlo y computación vectorizada con NumPy, se generan mapas de combustible RPM × TPS que revelan las diferencias reales de rendimiento entre ambos sistemas.
El problema fue modelado como un espacio combinatorio de variables (RPM, TPS, IAT, presión ambiental, eficiencia volumétrica), cuya naturaleza "NP-like" justificó el uso de simulación estocástica en lugar de fuerza bruta.
// comparativa técnica
CARBURADOR
- Basado en efecto Venturi
- Circuitos físicos (chicler/aguja)
- Robusto y predecible
- Menor precisión ante variables ambientales
- Mayor consumo medio simulado
VS
FULL INJECTION (EFI)
- Controlada por ECU + sensores
- TPS, IAT, MAP en tiempo real
- Respuesta suave y corregida
- Compensa altitud y temperatura
- Mayor autonomía en tanque de 11L
// fundamento matemático
Relación Aire-Combustible (AFR)
AFR = m_aire / m_combustible ≈ 14.7
Ancho de Pulso del Inyector
pw (s) ∝ m_combustible / ṁ_inyector
Densidad del Aire
ρ ∝ 1/T
Conversión Flujo Inyector
L_min = cc_min / 1000
kg_min = L_min × densidad
kg_s = kg_min / 60
kg_min = L_min × densidad
kg_s = kg_min / 60
Consumo (L/h)
duty = pulse_ms / 1000 |
flujo_L_s = (kg_s × duty) / densidad |
L/h = flujo_L_s × 3600
// conclusiones
La EFI muestra menor consumo medio y mayor autonomía en tanques de 11L bajo
condiciones simuladas.
El carburador es menos preciso ante variaciones de altitud, temperatura y densidad
del aire.
La diferencia de rendimiento es más notoria en condiciones de páramo y baja
temperatura.
Monte Carlo permitió explorar el espacio combinatorio de variables (RPM, TPS, IAT,
MAP) de forma eficiente.
// tecnologías usadas
🐍 Python
📐 NumPy
🎲 Monte Carlo
📊 Matplotlib
📄 LaTeX
// archivos del proyecto