RESUMEN Las industrias más importantes reconocidas como la aeroespacial, automotriz, entre otras, han estipulado nuevos requerimientos para el comportamiento de los materiales que incluyen altas propiedades específicas, mecánicas, y térmicas. De acuerdo con esto, los nanocompuestos han surgido como una solución. Sin embargo, la manufactura de estos materiales implica problemas de costo-tiempo que no permiten su aplicación industrial, además, el desconocimiento en la predicción de sus propiedades mecánicas es un obstáculo. Por esto mismo, importantes autores se han enfocado en el desarrollo de modelos computacionales para la predicción del comportamiento mecánico en compuestos nano-reforzados. En el presente trabajo, se realiza una evaluación comparativa de los principales modelos computacionales para la predicción de resistencia a tracción de nano-compuestos. En primer lugar, una nueva taxonomía de estos modelos es propuesta, permitiendo identificar las principales variables experimentales, evolución de los modelos y precisión. Con la categorización, se desarrollan algoritmos computacionales para la predicción de resistencia a tracción en nanocompuestos, realizando un análisis comparativo de precisión, robustez y costo-tiempo. La precisión de los modelos se evalúa considerando trabajos experimentales enfocados en la caracterización de la resistencia a tracción de nanocompuestos. Los resultados obtenidos demostraron un error relativo mínimo del 44.7%, 10.1% y 10.6% para los modelos de primera, segunda y tercera generación, respectivamente. Además, se encontraron comportamiento lineales y no lineales, siendo coherentes con el número y tipo de parámetros requeridos para la evaluación.
ABSTRACT Some of the most important industries, such as aerospace, automotive, among others, have stipulated new requirements for materials behavior that include high specific, mechanical, and thermal properties. According to this, nanocomposites have emerged to satisfy these requirements. However, manufacturing these nanocomposites implies cost and time-consuming problems that do not allow their use in technological applications; additionally, the lack of knowledge about the prediction of their mechanical properties is an obstacle to its technological implementation. Therefore, several studies have focused on the development of computational models to predict the mechanical behavior of nano-reinforced composites. In the present work, a comparative assessment of the main computational models for predicting the tensile strength of nanocomposites is carried out. Firstly, a new taxonomy of these models is proposed, which allows identifying the main experimental variables, model evolution, and precision. With the categorization, computational algorithms are developed for these models for predicting the tensile strength of nanocomposites, accomplishing a comparative analysis of accuracy, robustness, and time-cost among them. The precision of these models is evaluated by deeming benchmark experimental works focused on the tensile strength of nanocomposites. The results obtained demonstrated a minimum relative error of 44.7%, 10.1%, and 10.6% for First-Generation, Second-Generation, and Third-Generation models, respectively. Moreover, linear and non-linear behaviors were found in the evaluated models, being coherent with the number and kind of parameters required for the assessment.