Relación entre el voltaje y la cuarta potencia del diferencial de temperatura

(Ley de Stefan-Boltzmann)

Presentado por:
Ramiro José Mendoza Herrera T00065458

NRC: 1093
Profesor:
Oscar José Porto Solano

Procesamiento Numérico

Facultad de Ingeniería

Universidad Tecnológica Bolívar

Cartagena de Indias

15 de abril de 2023

1
 1. INTRODUCCIÓN A LA INGENIERÍA INDUSTRIAL
La Ingeniería Industrial tiene como objetivo planificar, diseñar, gestionar y proponer sistemas de
procesos industriales. Es la encargada de administrar los sistemas de gestión en base a la
evaluación y análisis de las problemáticas productivas basada en evidencia e indicadores. Además,
debe desarrollar herramientas para velar por la eficiencia de los sistemas productivos dentro de las
organizaciones y en relación con otras empresas contratistas y/o subcontratistas. Esta ingeniería
entrega los conocimientos necesarios para que sus estudiantes puedan planificar, programar,
controlar la producción y operaciones dentro de diversas organizaciones. Por otra parte, forma a
sus estudiantes para desarrollar modelos y sistemas de apoyo para la toma de decisiones e
información para el control de gestión. (IACC, 2022)

2. RELACIÓN ENTRE EL VOLTAJE Y LA CUARTA POTENCIA DE LA DIFERENCIA

DE TEMPERATURAS EN LA LEY DE STEFAN-BOLTZMANN

Descripción de las variables

En el laboratorio realizado sobre la ley de Stefan-Boltzmann para medir la relación entre estas
variables, el voltaje aplicado a la termopila es la variable independiente ya que se manipula para
medir su efecto en la diferencia de temperatura medida entre dos puntos de la muestra.
Por otro lado, la variable dependiente es la que se mide y se espera que cambie en respuesta a la
variable independiente. En este caso, la diferencia de temperatura medida entre dos puntos de la
muestra es la variable dependiente ya que se espera que cambie en respuesta al voltaje aplicado a
la termopila. Teóricamente no existe una determinación sobre si a medida que el voltaje aumenta
o disminuye, esta diferencia de temperaturas es proporcional o inversamente proporcional, así que
en este experimento no se tubo una premisa de que se debía esperar ya que eso depende totalmente
del contexto del cual se estudie.

Marco Teórico
Ley de Stefan-Boltzmann: La ley de Stefan-Boltzmann es una ley física que establece que la
cantidad de energía radiada por un objeto en forma de radiación térmica es proporcional a la cuarta
potencia de su temperatura absoluta. Es decir, a medida que la temperatura de un objeto aumenta,
su tasa de emisión de energía también aumenta significativamente. Esta ley es aplicable a cualquier
objeto en equilibrio térmico y se utiliza en diversas áreas de la física, la ingeniería y la ciencia de
materiales. (Britannica, 2021)

𝑃 = 𝑒𝜎𝐴(𝑇 4 − 𝑇𝑐4 )

2
P = potencia radiada neta
A = área radiante
𝜎 = constante de Stefan = 5,6703*10-8 vatios/m2 K4

e = emisividad
T = temperatura del radiador
𝑇𝑐 = temperatura ambiente

Termopila: Una termopila es un dispositivo que transforma energía térmica en energía eléctrica y
se compone de varios termopares que se conectan en serie o paralelo. Sin embargo, lo interesante
es que las termopilas no miden la temperatura absoluta, sino que generan un voltaje que es
proporcional a una diferencia de temperatura local o gradiente de temperatura.
Este voltaje es generado en respuesta a un gradiente de temperatura, lo que significa que se produce
una señal eléctrica que puede ser medida y analizada para obtener información sobre la diferencia
de temperatura en el lugar donde se coloca la termopila. (NovaLynx Corporation , 2013)

Temperatura: Es una medida de la energía cinética de las partículas de una sustancia, ya sea un
gas, un líquido o un sólido. Cuando las partículas se mueven más rápido, la temperatura aumenta,
y cuando se mueven más lento, la temperatura disminuye. La temperatura se puede medir de
diversas maneras y se relaciona con conceptos como el frío y el calor, que se perciben de forma
intuitiva. Además, la temperatura es importante para evaluar la salud del cuerpo humano y para
controlar procesos en la industria química, metalúrgica y otros sectores. (Leskow, 2022)

Voltaje: es una medida que indica la diferencia de potencial eléctrico entre dos puntos específicos.
Se puede entender como el trabajo que realiza un campo eléctrico sobre una carga eléctrica para
moverla desde un punto a otro. También se conoce como diferencia de potencial eléctrico o tensión
eléctrica. En resumen, el voltaje es la cantidad de energía que se necesita para mover una carga
eléctrica de un punto a otro y se mide en voltios (V). (Leskow, Voltaje, 2021)

Cuerpo negro: Un cuerpo negro es aquel objeto que en equilibrio térmico con el medio posee la
capacidad de absorber todo tipo de radiación sin esté reflejar o transmitir la luz. Su nombre se le
adjudica por esto último, pues el aspecto del cuerpo será negro debido a la absorción de todos los
colores de la luz visible. En vista de que el cuerpo debe permanecer en equilibrio térmico, va a
emitir radiación electromagnética en la totalidad de las longitudes de onda. (Sears & Zemansky,
2013)

3
Línea de investigación
La ley de Stefan-Boltzmann puede ser útil en la ingeniería industrial para el diseño y control de
procesos térmicos, ya que esta ley proporciona información sobre la cantidad de energía radiada
por un objeto en función de su temperatura absoluta.
Por ejemplo, en la fabricación de productos que requieren un tratamiento térmico como el secado
o la cocción, es necesario controlar la temperatura y el tiempo de exposición para lograr los
resultados deseados. La ley de Stefan-Boltzmann puede ser utilizada para calcular la cantidad de
energía radiada por los objetos calentados, como hornos industriales, lo que ayuda a los ingenieros
a diseñar y controlar los procesos térmicos para lograr la calidad y eficiencia deseadas.
Además, la ley de Stefan-Boltzmann también puede ser utilizada en la medición de la temperatura
de objetos y materiales en la ingeniería industrial, por ejemplo, para controlar la temperatura de
las maquinarias y evitar sobrecalentamientos o fallas en el proceso de producción.

Justificación
El estudio de la ley de Stefan-Boltzmann y su aplicación en la medición de la temperatura a través
de la termopila es de gran importancia en la ingeniería industrial. Esto se debe a que los procesos
industriales, en su mayoría, dependen del control y medición de la temperatura para lograr una
producción eficiente y de calidad.
La termopila, al medir la diferencia de temperatura y convertirla en un voltaje, permite a los
ingenieros industriales monitorear de manera precisa y continua la temperatura de los equipos y
maquinarias utilizados en la producción. Esto a su vez, permite detectar posibles fallas o
desviaciones en la temperatura que puedan afectar la calidad del producto final.
Además, la aplicación de la ley de Stefan-Boltzmann en la ingeniería industrial es importante en
la optimización del consumo de energía, ya que permite la identificación de las fuentes de pérdida
de calor y la implementación de medidas para reducir estas pérdidas y mejorar la eficiencia
energética en los procesos productivos.

Objetivo
Evaluar la relación entre el voltaje y la diferencia de temperatura utilizando técnicas de regresión
lineal y polinomial, y la interpolación de Lagrange, para determinar el modelo que mejor se ajuste
a los datos experimentales. Además, se busca aplicar este análisis en la ingeniería industrial para
mejorar la eficiencia en los sistemas productivos y la toma de decisiones en base a la relación entre
estas variables.

4
 3. EXPERIMENTACIÓN
El montaje de los materiales y herramientas para la obtención de los datos fue el siguiente:

Imagen 1. Montaje teórico

Imagen 2. Montaje real

Las medidas utilizadas fueron en Milivoltios, y en Kelvin. La temperatura ambiente fue de 297°K.

Materiales
- 1 horno eléctrico para 230 V
- 1 accesorio de cuerpo negro
- 1 caja de conexión de seguridad (estabilizador)
- 1 soporte para horno eléctrico
- 1 sensor CASSY
- 1 CASSY Lab (software)
- 1 adaptador S de NiCr-Ni
- 1 sensor de temperatura de NiCr-Ni de 1,5mm
- 1 caja de µV
- 1 termopila
- 1 varilla óptica corta
- 1 base de soporte en forma V de 28cm
- 4 abrazaderas multiclamp de Leybold
- 1 abrazadera universal de 0-80mm
- 1 par de cables de 100cm
- 1 PC con Windows 98 o superior

5
Los pasos para la realización del experimento fueron:
1. Se deslizó el cilindro en el horno eléctrico, y se configuró junto a la pantalla y la termopila, a
ciertas indicaciones.

Imagen 3. cilindro y horno eléctrico

2. Se retiró la ventana de cristal, y se conectó el sensor de temperatura al termómetro digital y al

sensor CASSY, al cual también se le va a conectar la termopila, luego, se insertó el cilindro de
latón bruñido lo más lejos posible.

Imagen 4. Montaje real

6
 3. Se colocó el sensor de temperatura en el lugar con la abrazadera universal.
4. Se alineó el horno eléctrico, la pantalla y la termopila
5. Se ejecutó el software CASSY Lab y se realizó la toma de datos a una temperatura ambiente de
24°. Por último, se registraron los datos.

Tabla de datos

n Voltaje (mV) 𝐓 𝟒 − 𝐓𝐜𝟒

1 2,5 1,14E+11
2 2,34 1,07E+11
3 2,16 9,70E+10
4 2 8,79E+10
5 1,84 8,01E+10
6 1,71 7,27E+10
7 1,58 6,70E+10
8 1,46 6,05E+10
9 1,36 5,48E+10
10 1,26 5,05E+10
11 1,17 4,59E+10
12 1,1 4,25E+10
13 1,01 3,93E+10
14 0,95 3,57E+10
15 0,89 3,35E+10
16 0,83 3,06E+10
17 0,78 2,85E+10
18 0,73 2,66E+10
19 0,7 2,47E+10
20 0,66 2,32E+10
21 0,61 2,14E+10
22 0,59 1,98E+10
23 0,55 1,85E+10
24 0,52 1,73E+10
25 0,49 1,63E+10
26 0,46 1,51E+10
27 0,44 1,42E+10
28 0,43 1,35E+10
29 0,4 1,26E+10
30 0,38 1,18E+10
31 0,36 1,10E+10
Tabla 1. Tabla de datos obtenidos

7
4. PROCESAMIENTO DE LOS DATOS

Relación entre el voltaje y la diferencia de temperaturas

1,2E+11
y = 5E+10x - 8E+09
R² = 0,998
Diferencia de temperaturas (ºK)

1E+11

8E+10

6E+10

4E+10

2E+10

0
0 0,5 1 1,5 2 2,5 3
Voltaje (mV)

Gráfico 1. Regresión lineal entre las variables

Relación entre el voltaje y la diferencia de temperaturas

1,4E+11

1,2E+11
Diferencia de temperaturas (ºK)

y = 3E+09x2 + 4E+10x - 4E+09

R² = 0,9998
1E+11

8E+10

6E+10

4E+10

2E+10

0
0 0,5 1 1,5 2 2,5 3
Voltaje (mV)

Gráfico 2. Regresión polinomial de segundo grado entre las variables

8
Estadísticos de los datos anteriores:

Algunas observaciones que se pueden dar a partir de las gráficas y estadístico de regresión lineal
y regresión polinomial de segundo orden son las siguientes:
- Existe una relación muy fuerte entre el voltaje y la diferencia de temperaturas. A medida
que el voltaje disminuye, también lo hace la diferencia de temperaturas.
- Al comienzo del experimento, los datos no estuvieron tan juntos como lo fue al final.
- Los datos muestran una muy pequeña dispersión alrededor de la línea de regresión, lo que
sugiere que hay otros factores que pueden influir en la diferencia de temperaturas a parte
del voltaje.
- Se puede observar que la desviación estándar total es menor que el error estándar del
estimado, esto sugiere que una regresión polinomial de segundo grado es mas adecuada
para ajustar los datos.
- Los resultados indican que la regresión lineal explicó el 99.8% de la incertidumbre original.

9
Interpolación de Lagrange
Grado 1
T4-Tc4
Voltaje (mV) T4-Tc4
n Interpolada error relativ % 0,05<?
1 2,5 1,14E+11
2 2,34 1,07E+11 5,17E+11 3,847 no aceptable
3 2,16 9,70E+10
4 2 8,79E+10 8,85E+10 0,007 aceptable
5 1,84 8,01E+10
6 1,71 7,27E+10 7,36E+10 0,011 aceptable
7 1,58 6,70E+10
8 1,46 6,05E+10 6,09E+10 0,007 aceptable
9 1,36 5,48E+10
10 1,26 5,05E+10 5,04E+10 0,002 aceptable
11 1,17 4,59E+10
12 1,1 4,25E+10 4,26E+10 0,002 aceptable
13 1,01 3,93E+10
14 0,95 3,57E+10 3,64E+10 0,018 aceptable
15 0,89 3,35E+10
16 0,83 3,06E+10 3,10E+10 0,013 aceptable
17 0,78 2,85E+10
18 0,73 2,66E+10 2,66E+10 0,002 aceptable
19 0,7 2,47E+10
20 0,66 2,32E+10 2,31E+10 0,005 aceptable
21 0,61 2,14E+10
22 0,59 1,98E+10 2,00E+10 0,008 aceptable
23 0,55 1,85E+10
24 0,52 1,73E+10 1,74E+10 0,008 aceptable
25 0,49 1,63E+10
26 0,46 1,51E+10 1,50E+10 0,005 aceptable
27 0,44 1,42E+10
28 0,43 1,35E+10 1,38E+10 0,021 aceptable
29 0,4 1,26E+10
30 0,38 1,18E+10 1,18E+10 0,001 aceptable
31 0,36 1,10E+10
Tabla 2. Interpolación de Lagrange de primer grado

10
Grado 2
T4-Tc4
Voltaje (mV) T4-Tc4
n Interpolada error relativ % 0,05<?
1 2,5 1,14E+11
2 2,34 1,07E+11 1,06E+11 0,003 aceptable
3 2,16 9,70E+10
4 2 8,79E+10 8,88E+10 0,009 aceptable
5 1,84 8,01E+10
6 1,71 7,27E+10 7,37E+10 0,014 aceptable
7 1,58 6,70E+10
8 1,46 6,05E+10 5,99E+10 0,009 aceptable
9 1,36 5,48E+10
10 1,26 5,05E+10 5,02E+10 0,005 aceptable
11 1,17 4,59E+10
12 1,1 4,25E+10 4,35E+10 0,023 aceptable
13 1,01 3,93E+10
14 0,95 3,57E+10 3,63E+10 0,017 aceptable
15 0,89 3,35E+10
16 0,83 3,06E+10 3,07E+10 0,003 aceptable
17 0,78 2,85E+10
18 0,73 2,66E+10 2,60E+10 0,021 aceptable
19 0,7 2,47E+10
20 0,66 2,32E+10 2,41E+10 0,038 aceptable
21 0,61 2,14E+10
22 0,59 1,98E+10 2,04E+10 0,030 aceptable
23 0,55 1,85E+10
24 0,52 1,73E+10 1,74E+10 0,009 aceptable
25 0,49 1,63E+10
26 0,46 1,51E+10 1,52E+10 0,011 aceptable
27 0,44 1,42E+10
28 0,43 1,35E+10 1,38E+10 0,022 aceptable
29 0,4 1,26E+10
30 0,38 1,18E+10
31 0,36 1,10E+10
Tabla 3. Interpolación de Lagrange de segundo grado

11
Grado 3

T4-Tc4
Voltaje (mV) T4-Tc4
n Interpolada error relativ % 0,05<?
1 2,5 1,14E+11
2 2,34 1,07E+11 1,07E+11 0,002 aceptable
3 2,16 9,70E+10
4 2 8,79E+10 8,95E+10 0,018 aceptable
5 1,84 8,01E+10
6 1,71 7,27E+10 7,37E+10 0,014 aceptable
7 1,58 6,70E+10
8 1,46 6,05E+10 5,95E+10 0,016 aceptable
9 1,36 5,48E+10
10 1,26 5,05E+10 5,06E+10 0,001 aceptable
11 1,17 4,59E+10
12 1,1 4,25E+10 4,44E+10 0,043 aceptable
13 1,01 3,93E+10
14 0,95 3,57E+10 3,64E+10 0,020 aceptable
15 0,89 3,35E+10
16 0,83 3,06E+10 3,02E+10 0,014 aceptable
17 0,78 2,85E+10
18 0,73 2,66E+10 2,60E+10 0,023 aceptable
19 0,7 2,47E+10
20 0,66 2,32E+10 2,52E+10 0,088 no aceptable
21 0,61 2,14E+10
22 0,59 1,98E+10 2,04E+10 0,031 aceptable
23 0,55 1,85E+10
24 0,52 1,73E+10 1,74E+10 0,006 aceptable
25 0,49 1,63E+10
26 0,46 1,51E+10 1,55E+10 0,028 aceptable
27 0,44 1,42E+10
28 0,43 1,35E+10 1,38E+10 0,024 aceptable
29 0,4 1,26E+10
30 0,38 1,18E+10
31 0,36 1,10E+10
Tabla 4. Interpolación de Lagrange de tercer grado

12
Grado 4

error relativ
Voltaje (mV) T4-Tc4
n T4-Tc4 Interpolada % 0,05<?
1 2,5 1,14E+11
2 2,34 1,07E+11 1,08E+11 0,012 aceptable
3 2,16 9,70E+10
4 2 8,79E+10 9,10E+10 0,035 aceptable
5 1,84 8,01E+10
6 1,71 7,27E+10 7,31E+10 0,005 aceptable
7 1,58 6,70E+10
8 1,46 6,05E+10 5,90E+10 0,025 aceptable
9 1,36 5,48E+10
10 1,26 5,05E+10 5,17E+10 0,024 aceptable
11 1,17 4,59E+10
12 1,1 4,25E+10 4,57E+10 0,076 no aceptable
13 1,01 3,93E+10
14 0,95 3,57E+10 3,66E+10 0,024 aceptable
15 0,89 3,35E+10
16 0,83 3,06E+10 2,90E+10 0,053 no aceptable
17 0,78 2,85E+10
18 0,73 2,66E+10 2,64E+10 0,008 aceptable
19 0,7 2,47E+10
20 0,66 2,32E+10 2,68E+10 0,157 no aceptable
21 0,61 2,14E+10
22 0,59 1,98E+10 2,05E+10 0,038 aceptable
23 0,55 1,85E+10
24 0,52 1,73E+10 1,76E+10 0,022 aceptable
25 0,49 1,63E+10
26 0,46 1,51E+10 1,59E+10 0,051 no aceptable
27 0,44 1,42E+10
28 0,43 1,35E+10
29 0,4 1,26E+10
30 0,38 1,18E+10
31 0,36 1,10E+10
Tabla 5. Interpolación de Lagrange de cuarto grado

13
Grado 5

error relativ
Voltaje (mV) T4-Tc4
n T4-Tc4 Interpolada % 0,05<?
1 2,5 1,14E+11
2 2,34 1,07E+11 1,10E+11 0,035 aceptable
3 2,16 9,70E+10
4 2 8,79E+10 9,34E+10 0,062 no aceptable
5 1,84 8,01E+10
6 1,71 7,27E+10 7,13E+10 0,020 aceptable
7 1,58 6,70E+10
8 1,46 6,05E+10 5,87E+10 0,029 aceptable
9 1,36 5,48E+10
10 1,26 5,05E+10 5,46E+10 0,082 no aceptable
11 1,17 4,59E+10
12 1,1 4,25E+10 4,81E+10 0,130 no aceptable
13 1,01 3,93E+10
14 0,95 3,57E+10 3,61E+10 0,012 aceptable
15 0,89 3,35E+10
16 0,83 3,06E+10 2,71E+10 0,113 no aceptable
17 0,78 2,85E+10
18 0,73 2,66E+10 2,76E+10 0,040 aceptable
19 0,7 2,47E+10
20 0,66 2,32E+10 2,90E+10 0,252 no aceptable
21 0,61 2,14E+10
22 0,59 1,98E+10 2,07E+10 0,048 aceptable
23 0,55 1,85E+10
24 0,52 1,73E+10 1,88E+10 0,092 no aceptable
25 0,49 1,63E+10
26 0,46 1,51E+10 1,63E+10 0,078 no aceptable
27 0,44 1,42E+10
28 0,43 1,35E+10
29 0,4 1,26E+10
30 0,38 1,18E+10
31 0,36 1,10E+10
Tabla 6. Interpolación de Lagrange de quinto grado

14
Comparativa de promedios de los errores relativos de las interpolaciones
Promedio
Grado e%
1 0,008
2 0,015
3 0,023
4 0,041
5 0,076
Tabla 7. Promedio de errores según grado de interpolación

Grado de interpolación vs. Promedio de errores

0,090
0,080
0,070
Promedio de errores

0,060
0,050
0,040
0,030
0,020
0,010
0,000
0 1 2 3 4 5 6
Grado de interpolación

Gráfica 3. Grado de interpolación vs. promedio de errores

Luego de realizar las interpolaciones de Lagrange, se pudo observar que, en términos generales,
es un método muy confiable para interpolar en este caso, ya que, de los cinco grados de
interpolación, en cuatro se cumplió el criterio de Scarborough, para este caso se tomaron tres cifras
significativas.
Como se puede observar en la gráfica, a medida que se va aumentando el grado de interpolación,
mas aumenta el error relativo promedio, así que si se quiere un menor porcentaje de error relativo
es mejor utilizar la interpolación de Lagrange de un grado.
Al comparar los resultados de las regresiones e interpolaciones, vemos que en ambas se muestra
lo mismo, es decir, realmente existe una relación muy fuerte y casi que perfecta entre estas dos
variables.

15
 5. CONCLUSIONES
Durante el análisis de los datos de voltaje y diferencia de temperaturas se encontró que existe una
fuerte relación directa entre ambas variables, es decir, a medida que el voltaje aumenta, la
diferencia de temperaturas aumenta y viceversa. La regresión lineal permitió determinar una
ecuación que ajusta los datos a una línea recta, mientras que la regresión polinomial de segundo
grado ajustó los datos a una parábola. Además, la interpolación de Lagrange permitió estimar
valores intermedios de la variable dependiente. En la interpolación se Lagrange se pudo comprobar
que es un muy buen método para interpolar datos, y para estos datos en específico se ajustan mas
las de menor grado, pero esto no quiere decir que siempre en todos los casos de otros fenómenos
sea así.
Estas herramientas son útiles en la ingeniería industrial, ya que permiten modelar y predecir el
comportamiento de variables importantes en los procesos industriales. Por ejemplo, en la
manufactura de productos, es necesario controlar la temperatura de los equipos, y estas
herramientas pueden ser utilizadas para determinar la relación entre la temperatura y otras
variables, como el tiempo o la velocidad de procesamiento.
En conclusión, las herramientas matemáticas como la regresión lineal, regresión polinomial de
segundo grado e interpolaciones de Lagrange son útiles para analizar datos y determinar la relación
existente entre variables, lo que puede ser utilizado para mejorar procesos y optimizar el
rendimiento de los equipos en la industria.

16
 6. Anexos

Ejercicio tomado del libro Métodos numéricos para ingenieros (Chapra & Canale, 2007)

17
Bibliografía
Britannica. (24 de marzo de 2021). Stefan-Boltzmann Law. Obtenido de
https://www.britannica.com/science/Stefan-Boltzmann-law

Chapra, S., & Canale, R. (2007). Métodos númericos para ingenieros. México: McGRAW-
HILL/INTERAMERICANA EDITORES, S.A. DE C.V.

IACC. (12 de noviembre de 2022). IACC. Obtenido de https://www.iacc.cl/blog/que-hace-un-ingeniero-

industrial/#:~:text=La%20Ingenier%C3%ADa%20Industrial%20tiene%20como,basada%20en%20
evidencia%20e%20indicadores.

Leskow, E. (15 de julio de 2021). Voltaje. Obtenido de concepto.de: https://concepto.de/voltaje/

Leskow, E. (13 de junio de 2022). Temperatura. Obtenido de concepto.de:

https://concepto.de/temperatura/

NovaLynx Corporation . (22 de diciembre de 2013). Glossary of Meteorological Terms. Obtenido de

https://web.archive.org/web/20131222115036/http://www.novalynx.com/glossary-t.html

Sears, & Zemansky. (2013). Física Universitaria con Física Moderna. Vol 1. En Física Universitaria con
Física Moderna. México: Pearson 13 edición.

18