RT @MelissaGar29: Mi agradecimiento a @LatEnvChemPSE por la oportunidad de participar en tan grato evento. Igualmente, agradezco con mucha…

@paux_gr @LatinXChem Honestamente, al principio, algunos estudiantes odiaron la actividad, era algo totalmente nuevo para ellos y el hecho de no tener más tutoriales les causó miedo. Sin embargo, al final, quienes lo lograron sintieron orgullo por superar el reto y ganaron confianza

@SolmarVarela @LatinXChem Hola, el semestre que iniciamos esta actividad no utilizamos algún tipo de instrumento de medición ya que desconocíamos espacios como este para compartir experiencias. Actualmente, trabajamos en instrumentos que nos permitan medir los efectos en el aprendizaje de los estudiantes

@antonio_reina6 @LatinXChem ¡Muchas gracias por la pregunta!

@antonio_reina6 @LatinXChem 3/3 Por lo que podemos concluir que, aunque no hay un incremento sustancial en su aprendizaje sobre estos temas, si hay un incremento en la retención del conocimiento y en el aprendizaje autónomo.

@antonio_reina6 @LatinXChem 2/3 Sin embargo, es importante destacar que, gracias a esta actividad, los estudiantes pueden recordar y aplicar los conocimientos de forma más rápida en otras materias de semestres posteriores (han revisitado su herramienta).

@antonio_reina6 @LatinXChem 1/3 Si bien la actividad sirvió como repaso, en realidad no creo que gracias a ella hubiera un incremento en el aprendizaje. Probablemente, resolver varios problemas a mano como actividad hubiera tenido el mismo efecto. Por otra parte, las habilidades computacionales sí crecieron

@YamilJColon @LatinXChem 4. Después de esta actividad los estudiantes comprendieron mejor el concepto de calidad de vapor, lo cual se demostró con un mejor desempeño cuando tuvieron que resolver ciclos de refrigeración con cámaras de vaporización instantánea.

@YamilJColon @LatinXChem 3. Incluir este tipo de variables en la secuencia de cálculo de los problemas fue difícil para los estudiantes ya que algunos no podían descifrar el error. Sin embargo, poder correr pequeños fragmentos del código en las celdas de Jupyter Notebooks les ayudo bastante.

@YamilJColon @LatinXChem 2. import pyromat as pm pm.config["unit_pressure"] = "kPa" mp_water = pm.get("mp.H2O") s=mp_water.ss(p=4000) La respuesta de Python es: (array([2.79659596]), array([6.06967047]))

@YamilJColon @LatinXChem 1. La mayor dificultad para los estudiantes fue la de identificar y corregir algún error en su código. Por ejemplo, para calcular la entropía en la saturación a 4000kP se pueden usar las siguientes líneas de código:

@paux_gr @LatinXChem Gracias, el semestre que iniciamos esta actividad no tuvimos algún tipo de retroalimentación formal ya que desconocíamos espacios como este para compartir experiencias. Actualmente, trabajamos en instrumentos que nos permitan medir los efectos en el aprendizaje de los estudiantes

@NinaSalau @LatinXChem @MelissaGar29 3/3 Uncertainty in demand growth directly affects when, what type of generator, and what capacity to add. Higher uncertainty in demand growth can lead to increased costs due to the need for more flexible and robust planning (oversized generation/storage capacity).

@NinaSalau @LatinXChem @MelissaGar29 2/3 operational constraints. For example, batteries charge/discharge mode (binary variables), and electricity flows (continuous variables). We used generator clustering and time sampling approaches to solve the resulting MILP.

@NinaSalau @LatinXChem @MelissaGar29 1/3 Thank you for your question. We employed MILP to optimize decisions related to new generation/storage investments and hourly operation decisions. The model includes several key parameters related to capacity expansion decisions (integer variables),

RT @MelissaGar29: Hola comunidad @LatEnvChemPSE les compartimos nuestro trabajo titulado “Desarrollo de modelos de optimización para la pla…

@SolmarVarela @LatinXChem @RSC_CERP @ChemRxiv Thanks for your interest in our work. You also can ask Prof. @LuisCar95374854. He started with the idea of using SciLab in @UACHMx and he can share his experience with the students

@SolmarVarela @LatinXChem @RSC_CERP @ChemRxiv Most of the students that use Scilab think that model-oriented programming is easier than coding because they work with the mathematical model directly and also they say that it is easy to know what are they doing at the moment of setting variables and making the simulation model