Predicción de fluencia de materiales a base de celulosa mediante la extrapolación de experimentos a corto plazo

Por qué importa el aplastamiento lento del papel

El papel y el cartón pueden parecer sencillos, pero en transformadores de alta tensión mantienen todo en su sitio y aislado eléctricamente durante décadas. Estos transformadores son la columna vertebral de las redes eléctricas, y su aislamiento a base de celulosa debe soportar fuerzas mecánicas constantes sin deformarse en exceso con el tiempo. Este cambio lento y continuo de forma bajo carga constante —llamado fluencia— puede acabar poniendo en riesgo la fiabilidad. El estudio resumido aquí plantea una pregunta práctica: ¿podemos usar ensayos de laboratorio relativamente cortos y manejables para predecir con fiabilidad cómo se deformarán estos materiales de celulosa durante períodos mucho más largos, sin recurrir a experimentos de años de duración ni a complejos esquemas de envejecimiento acelerado?

Tableros de papel dentro de máquinas eléctricas gigantes

En el interior de los transformadores, tableros gruesos similares al papel hechos de fibras de madera blanda actúan como aislamiento sólido. Estos "pressboards" se componen de fibras largas de celulosa unidas en una red con pequeños vacíos, lo que les confiere resistencia en el plano de la lámina pero más suavidad a lo largo del espesor. En servicio, muchos componentes se comprimen precisamente en esta dirección más débil y permanecen bajo carga constante durante años. La humedad y la temperatura complican aún más el comportamiento. Dado que aumentar la temperatura para acelerar ensayos puede alterar la forma en que la celulosa envejece, las pruebas aceleradas estándar pueden no ofrecer predicciones a largo plazo fiables. Por ello, los autores se centran en un problema más simple pero exigente: bajo humedad y temperatura fijas, ¿podemos inferir la fluencia a largo plazo a partir de una ventana limitada de deformación medida con cuidado?

Observar la fluencia de un pequeño tablero durante cinco días

Los investigadores ensayaron pressboard precomprimido comúnmente usado en transformadores. Colocaron una muestra en una cámara controlada a aproximadamente 73% de humedad relativa y aplicaron una carga compresiva constante correspondiente a un esfuerzo de 2,33 megapascales —aproximadamente la presión bajo una abrazadera robusta. En lugar de limitarse a seguir el movimiento de las placas de carga, usaron correlación de imágenes digitales, una técnica óptica que rastrea un patrón aleatorio de moteado pintado en la superficie de la muestra. Este método proporciona un mapa completo de cómo distintas regiones se deforman con el tiempo. Aunque la estructura interna de fibras hace que el campo de deformaciones sea parcheado y no uniforme, la deformación media en una región seleccionada crece de forma suave durante 120 horas. Esa respuesta promediada se convierte en la base para ajustar y evaluar modelos de fluencia.

Probar distintas maneras de extender un ensayo corto en el tiempo

La fluencia en estos materiales se describe a menudo mediante modelos reológicos que representan resortes elásticos y amortiguadores viscosos combinados en cadenas. Matemáticamente, esto conduce a una compliance de fluencia que aumenta con el tiempo con varios tiempos característicos de "retardo", cada uno vinculado a un mecanismo de deformación diferente. Los autores comparan tres estrategias para identificar estos parámetros a partir de los datos. En un enfoque logarítmico, fijan un conjunto de escalas temporales distribuidas en varios órdenes de magnitud y ajustan los valores de rigidez correspondientes. En un enfoque por espectro, suponen una función potencia suave que describe cómo la rigidez depende de la escala temporal. En un enfoque viscoso, tratan directamente tanto las rigideces clave como sus constantes de tiempo asociadas como incógnitas que se buscan por optimización. En los tres casos usan un análisis inverso que minimiza la diferencia al cuadrado entre las predicciones del modelo y la curva de fluencia medida, explorando muchas estimaciones iniciales para evitar óptimos locales engañosos.

¿Cuánto tiempo debemos medir para confiar en la predicción?

Usando las cinco jornadas completas de medidas, el enfoque logarítmico puede ajustar la fluencia observada con mucha exactitud, y el espectro de compliance muestra que dos escalas temporales principales dominan el comportamiento. Sin embargo, cuando la ventana de ajuste se acorta, estos enfoques de cuadrícula fija comienzan a fallar en la extrapolación. Ajustar solo los primeros dos días de datos conduce a predicciones inexactas para los días posteriores, aunque el modelo aún reproduce bien las medidas tempranas. El enfoque por espectro muestra limitaciones similares. En contraste, el enfoque viscoso, que permite que las constantes de tiempo dominantes se identifiquen a partir de los datos, tiene éxito: cuando solo se usan las primeras 24 horas para calibrar el modelo, predice los cuatro días restantes de fluencia con un error por debajo de la dispersión de las medidas —alrededor de 0,1% de deformación. Esto significa que, bajo las condiciones probadas, un experimento de un día puede prever de forma fiable la respuesta a cinco días.

Qué significa esto para el equipo real

Para los ingenieros preocupados por la vida útil de los transformadores, el trabajo ofrece una receta práctica: si se usa el tipo correcto de modelo de fluencia —uno que trate tanto la rigidez como los tiempos característicos como incógnitas— y si la humedad y la temperatura se mantienen constantes, entonces ensayos de fluencia relativamente cortos pueden sustentar predicciones a largo plazo fiables, al menos para extensiones temporales moderadas. Aunque los autores no afirman que un ensayo de un año siempre prediga cinco años, sus resultados muestran que mediciones a corto plazo diseñadas con cuidado, combinadas con un modelado inverso robusto, pueden reducir mucho la carga experimental. Extender esta estrategia a diferentes temperaturas y niveles de humedad podría, en última instancia, ayudar a las compañías eléctricas y a los fabricantes a diseñar un aislamiento de celulosa más seguro y duradero sin esperar años para disponer de datos.

Cita: Abali, B.E., Afshar, R., Gamstedt, K. et al. Creep prediction of cellulose based materials by extrapolation of short term experiments. Sci Rep 16, 6358 (2026). https://doi.org/10.1038/s41598-026-38132-3

Palabras clave: fluencia, tablero de celulosa prensado, transformadores eléctricos, modelado viscoelástico, predicción a largo plazo