Cuándo confiar (y cuándo no) en tu mallado.

Hay un momento, en casi cualquier proyecto de cálculo estructural, en que aparece la pregunta incómoda: ¿es esta malla lo bastante buena? El solver ha convergido, el informe está casi listo, y cambiar de mallado significaría volver a empezar. Es exactamente entonces cuando hay que preguntarlo.

La trampa de la convergencia

Cuando un solver dice que ha convergido, lo único que afirma es que el residuo del sistema lineal —o no lineal— está por debajo de un umbral. Eso es una propiedad del cálculo, no del problema físico. Una malla pobre puede converger perfectamente hacia una respuesta que no tiene nada que ver con la realidad.

Convergencia del solver y convergencia de malla son cosas distintas. Confundirlas es el error más caro que se comete en cálculo.

Lo que importa es la independencia de malla: que la magnitud de interés —tensión máxima, frecuencia natural, factor de seguridad— deje de cambiar significativamente cuando refinas. Si al duplicar el número de elementos la tensión sube un 18%, no tienes un resultado: tienes una hipótesis.

Tres señales de que tu malla miente

1. Concentradores de tensión sin gradiente visible. Si haces zoom en un radio crítico y el contorno de Von Mises se ve como dos o tres bandas planas, tu malla no está resolviendo el gradiente.

2. Distorsión de elementos cerca de cambios de geometría. Aspect ratio > 10 o jacobianos negativos son banderas rojas. Más sutil: elementos de transición tetraédrica entre zonas hex — casi siempre son ruido numérico esperando hacerse pasar por física.

3. Resultados que dependen del orden de integración. Si pasar de integración reducida a completa cambia tu tensión más de un 5%, no es la integración: es la malla pidiéndote ayuda.

El estudio formal: convergencia en h

La forma honesta de cerrar el debate es un estudio de h-refinement: tres niveles de malla con un factor de refinamiento r ≈ 2, y observar cómo evoluciona la cantidad de interés. Con p cercano a 2 para elementos de segundo orden bien planteados, puedes extrapolar a malla infinita usando Richardson y reportar el GCI (Grid Convergence Index). Es media hora de trabajo y convierte tu informe en otra cosa: deja de ser una opinión y pasa a ser una medida con barras de error.

Fig. 1 — Convergencia típica de σ máx con refinamiento sucesivo. La línea punteada es la extrapolación de Richardson.

Cuándo no merece la pena

En análisis preliminares —los que sirven para descartar opciones, no para firmar un cálculo— una malla razonable y una nota explícita en el informe son suficientes. El problema aparece cuando ese análisis preliminar viaja, sin esa nota, hasta una decisión de fabricación.

Mi regla práctica: cualquier número que vaya a un informe firmado, a un plano cotado o a una decisión irreversible debe venir de una malla cuya independencia haya sido medida, no asumida.

Un apunte sobre refinamiento adaptativo

Las herramientas modernas ofrecen refinamiento adaptativo basado en estimadores de error. Funcionan bien para problemas suaves y bien planteados. Funcionan mal cuando el error real está en una singularidad (esquinas vivas, cargas puntuales, contactos): el estimador refina sin parar y la solución no converge porque no debería. Si tu modelo tiene singularidades, lo que necesitas no es más mallado: necesitas reformular el modelo.

# Criterios mínimos antes de aceptar una malla
element_order     = 2           # segundo orden por defecto
aspect_ratio_max  = 5           # >10 es siempre malo
skewness_max      = 0.7         # tets equiláteros si se puede
growth_rate       = 1.2         # transición suave
refine_at         = ["radii", "contacts", "loads"]

La pregunta «¿es esta malla lo bastante buena?» no se responde mirando la malla. Se responde mirando cómo cambian los resultados cuando la malla cambia.

FIN

There's a moment in almost every structural analysis project when the uncomfortable question appears: is this mesh good enough? The solver has converged, the report is nearly done, and redoing the mesh would mean starting over. That's exactly when you need to ask.

The convergence trap

When a solver reports convergence, all it's saying is that the residual of the linear — or nonlinear — system is below a threshold. That's a property of the computation, not of the physical problem. A poor mesh can converge perfectly to an answer that bears no relation to reality.

Solver convergence and mesh convergence are different things. Confusing them is the most expensive mistake made in simulation.

What matters is mesh independence: that the quantity of interest — peak stress, natural frequency, safety factor — stops changing significantly as you refine. If doubling the element count pushes stress up by 18%, you don't have a result: you have a hypothesis.

Three signs your mesh is lying

1. Stress concentrations with no visible gradient. If you zoom into a critical fillet and the Von Mises contour shows two or three flat bands, your mesh is not resolving the gradient.

2. Distorted elements near geometric transitions. Aspect ratio > 10 or negative Jacobians are obvious red flags. More subtle: tetrahedral transition elements between hex zones — almost always numerical noise waiting to impersonate physics.

3. Results that depend on integration order. If switching from reduced to full integration changes your stress by more than 5%, the problem isn't the integration scheme: it's the mesh asking for help.

The formal study: h-convergence

The honest way to close the debate is an h-refinement study: three mesh levels with a refinement factor r ≈ 2, tracking how the quantity of interest evolves. With p close to 2 for well-posed second-order elements, you can extrapolate to infinite mesh using Richardson and report the GCI (Grid Convergence Index). It's half an hour of work that turns your report into something else: it stops being an opinion and becomes a measurement with error bars.

Fig. 1 — Typical σ peak convergence with successive refinement. The dashed line is the Richardson extrapolation.

When it's not worth the effort

In preliminary analyses — the ones that serve to eliminate options, not to sign off on a design — a reasonable mesh and an explicit note in the report are enough. The problem appears when that preliminary analysis travels, without that note, into a manufacturing decision.

My rule of thumb: any number going into a signed report, a dimensioned drawing, or an irreversible decision must come from a mesh whose independence has been measured, not assumed.

A note on adaptive refinement

Modern tools offer adaptive refinement based on error estimators. They work well for smooth, well-posed problems. They fail when the real error is at a singularity (sharp corners, point loads, contacts): the estimator keeps refining and the solution never converges because it shouldn't. If your model has singularities, you don't need more mesh: you need to reformulate the model.

# Minimum criteria before accepting a mesh
element_order     = 2           # second order by default
aspect_ratio_max  = 5           # >10 is always wrong
skewness_max      = 0.7         # equilateral tets where possible
growth_rate       = 1.2         # smooth transition
refine_at         = ["radii", "contacts", "loads"]

The question "is this mesh good enough?" is not answered by looking at the mesh. It's answered by looking at how results change when the mesh changes.

END