Novasinergia 2021, 4(2), 140-151. https://doi.org/10.37135/ns.01.08.09 http://novasinergia.unach.edu.ec
Artículo de Investigación
Influencia de la densidad del aire en el consumo de combustible en
vehículos livianos
Influence of air density on fuel consumption in light-duty vehicles
Edwin Grijalva , Jorge Acosta *, Edison Mancheno
1 Universidad Técnica Estatal de Quevedo, Quevedo, Ecuador, 120501; egrijalvac@uteq.edu.ec; emanchenop@uteq.edu.ec
*Correspondencia: jsantamaria@uce.edu.ec
Citación: Grijalva, E., Acosta, J. &
Mancheno, E., (2021). Influencia de
la densidad del aire en el consumo
de combustible en vehículos
livianos. Novasinergia. 4(2). 140-151.
https://doi.org/10.37135/ns.01.08.0
9
Recibido: 20 agosto 2021
Aceptado: 24 noviembre 2021
Publicado: 01 diciembre 2021
Novasinergia
ISSN: 2631-2654
Resumen: La eficiencia energética en vehículos livianos es un factor
importante para las empresas automotrices como para el consumidor
final. Las diferentes marcas de vehículos calculan el consumo de
combustible utilizando estándares propios de la industria automotriz sin
considerar factores externos, tales como, la densidad del aire, entre otros.
Por lo que el valor proporcionado por el fabricante es un valor
referencial que puede diferir del real. El objetivo de este estudio es
analizar el efecto que tiene la densidad del aire en el consumo de
combustible de un vehículo de uso general en el Ecuador. Para lograr
nuestro objetivo realizamos una simulación Model-in-the-Loop (MIL).
Para este estudio se consideraron factores externos característicos de
distintas localizaciones geográficas en Ecuador. Se determinó que en las
ciudades evaluadas de la región Costa, el consumo de combustible del
vehículo fue aproximadamente de 7.214 L/100 km, mientras que la sierra
de 6.842 L/100 km. Así, el efecto de la resistencia aerodinámica (la
densidad del aire) es reducir el consumo de combustible en la región
Sierra en aproximadamente 5%.
Palabras clave: Consumo de combustible, densidad el aire, model-in-
the-loop, resistencia aerodinámica, vehículo liviano.
Copyright: 2021 derechos
otorgados por los autores a
Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de
Creative Commons Attribution (CC
BY NC).
(http://creativecommons.org/licens
es/by/4.0/).
Abstract: Energy efficiency in light-duty vehicles is an important factor for
both automotive companies and end consumers. However, different vehicle
brands calculate fuel consumption using automotive industry standards
without considering external factors, such as air density. Therefore, the value
provided by the manufacturer is a reference value that may differ from the
actual value. This study aims to analyze the effect of air density on the fuel
consumption of a general-purpose vehicle in Ecuador. To achieve our objective,
we performed a Model-in-the-Loop (MIL) simulation. For this study, external
factors characteristic of different geographical locations in Ecuador were
considered. As a result, it was determined that in the cities evaluated in the
coastal region, vehicle fuel consumption was approximately 7.214 L/100 km.
In comparison, in the highlands, it was 6.842 L/100 km. Thus, the effect of
aerodynamic drag (air density) reduces fuel consumption in the Sierra region
by approximately 5%.
Keywords:Aerodynamic drag, air density, fuel consumption, lightweight
vehicle, model-in-the-loop.
Novasinergia 2021, 4(2), 140-151 141
1. Introducción
Un vehículo al desplazarse por una superficie se encuentra expuesto a fuerzas que
ofrecen resistencia a su desplazamiento. El diseño de un tren propulsor depende en gran
medida de un adecuado análisis de la dinámica longitudinal del vehículo, por lo que, para
determinar la fuerza de tracción necesaria para el movimiento del vehículo, es necesario
efectuar un análisis de las fuerzas de resistencia a la rodadura, la resistencia aerodinámica,
la resistencia gravitatoria y la resistencia inercial (Aparicio, Vera, & Díaz, 1996; Ehsani, Gao,
Longo, & Ebrahimi, 2018). La resistencia aerodinámica es afectada por varios factores, entre
ellos uno de gran relevancia es la densidad del aire, la cual varía en función de la ubicación
en la que se encuentre el vehículo, por factores tales como la presión atmosférica, la
humedad relativa y temperatura del aire (Soares & Souza, 2015). La energía que consume
un vehículo se puede calcular mediante el análisis de la dinámica longitudinal, para lo cual
se utilizan patrones de conducción “teóricos” que se asemejan a los patrones de conducción
de un conductor en tiempo real, a los cuales se les denomina ciclo de conducción (CC). Un
CC describe uno o varios viajes realizados por un vehículo, con frecuencia se utiliza para
analizar el funcionamiento del sistema de propulsión, el consumo de combustible que se
está obteniendo y las emisiones de gases que se están dando (Giakoumis, 2017). Los CC
también se utilizan durante el desarrollo del vehículo, por ejemplo, para seleccionar el
tamaño correcto de componentes o calibrar los controladores del tren motriz.
Dado que la conducción apropiada del vehículo depende del entorno donde se desplaza
éste, un análisis en profundidad requiere de una diversidad de CC diferentes (Jiménez,
Román, & López, 2013). A menudo, se requiere un CC que sea una representación muy
cercana al patrón de conducción de un conductor medio, Sin embargo, a veces es importante
disponer de un CC que muestre un patrón de conducción extrema, por ejemplo, para
verificar el desempeño del vehículo bajo condiciones extremas. También, es necesario que
los CC sean el reflejo de diferentes tipos de carreteras, como carreteras urbanas o carreteras
extraurbanas, y diferente flujo de tráfico, como tráfico congestionado o tráfico fluido. Por
esta razón, con frecuencia los CC son creados mientras que se conduce un vehículo en
condiciones reales (de interés para futuras simulaciones). Los CC pueden diseñar
teóricamente para que reflejen un patrón de conducción especifico que permita verificar un
requisito específico del vehículo.
El territorio ecuatoriano se encuentra dividido en tres Regiones geográficas: Costa, Sierra y
Amazonia. En la región Sierra se pueden encontrar asentamientos urbanos a
aproximadamente 3000 m.s.n.m. mientras que en la región Costa se encuentran a nivel del
mar. Aunque los fabricantes de vehículos informan sobre el consumo promedio de
combustible de sus vehículos estos valores difícilmente se ajustan a la realidad cuando las
condiciones geográfica y el entorno de desempeño del vehículo se sale de lo que puede
considerarse condicione promedio o medias de conducción. Por otro lado, la dinámica
económica del Ecuador depende fuertemente del transporte terrestre, por esta razón los
precios del combustible representan un punto sensible en la dinámica social del Ecuador,
Novasinergia 2021, 4(2), 140-151 142
en la economía familiar y del gobierno del Ecuador. Sin embargo, en el Ecuador los estudios
relacionados con el consumo de combustible de los vehículos son escasos o no existe.
El objetivo de este estudio es analizar el efecto que tiene la densidad del aire en el consumo
de combustible de un vehículo de uso general en el Ecuador. Para lograr nuestro objetivo
realizamos una simulación Model-in-the-Loop (MIL). De esta manera se puedo abstraer el
comportamiento del vehículo. Como subsistemas o bloques integrantes del modelo se
emplearon: el bloque del CC, bloque del vehículo, modelo de la rueda, caja de velocidades,
motor de combustión interna y el bloque de fuente de energía. Así, se pudo considerar el
efecto de factores externos como las fuerzas de resistencia a la rodadura, la resistencia
aerodinámica, y la resistencia a la inercia en el consumo de combustible. Los resultados se
presentan de acuerdo con el ciclo de conducción “Highway Fuel Economy Driving Schedule
(HWFET) en distintos escenarios simulados, en las regiones de la Sierra y. Costa. El
HWFET se desarrolló para cuantificar el consumo específico de combustible y emisiones
contaminantes en vehículos livianos simulando condiciones de manejo en autopista con
velocidades por debajo de los 96 km/h (United States Enviromental Protection Agency
(EPA), n.d.).
2. Metodología
La metodología empleada se denomina MIL por sus siglas en inglés (Model In the
Loop), que pertenece a un modelo en bucle y es una técnica de simulación que se utiliza
para obtener el comportamiento de un sistema o subsistema de manera que este modelo se
pueda utilizar para probar, simular y verificar el comportamiento del sistema completo
(Lamberg et al., 2004; Motahhir, El Ghzizal, Sebti, & Derouich, 2017; Plummer, 2006).
El modelo experimental que se ha diseñado se obtiene mediante el uso de una cadena de
herramientas estándar de la industria Simulink, que permite probar y refinar la simulación
dentro de un entorno de escritorio, lo que se traduce en administrar un sistema complejo de
manera eficiente. La construcción del diagrama de bloques se ha realizado usando un
cuadro de herramientas de QSS (Quasy Static System) desarrollado por el instituto
Tecnológico de Zurich (Guzzella & Onder, 2010; Guzzella & Sciarretta, 2013; Stockar,
Marano, Canova, Rizzoni, & Guzzella, 2011). Este diagrama de bloques se construyó
ingresando los datos necesarios para el modelo y que permiten calcular el consumo de
energía y combustible de un vehículo convencional. Entre los datos más importantes que se
utilizan en el modelo son los datos del vehículo y los datos atmosféricos correspondientes a
diferentes puntos geográficos del país.
En la implementación del modelo se usaron datos correspondientes a un vehículo de uso
general por la población ecuatoriana. El vehículo posee un motor de combustión interna a
gasolina de 4 cilindros en línea, con una capacidad de 1600 cm3, doble árbol de válvulas
(DOHC 4 válvulas por cilindro), y una entrega máxima de potencia de 137 HP a 6300 rpm,
con sistema de transmisión manual de 6 velocidades. También se incorporaron al modelo
los datos correspondientes a la caja de cambios como la relación de transmisión de cada
marcha del vehículo, mientras que en el diferencial se ingresa la relación final de
Novasinergia 2021, 4(2), 140-151 143
transmisión y el rendimiento, y por último, los neumáticos donde se ingresan datos como:
diámetro de rin, diámetro nominal, ancho de neumático, relación nominal de aspecto.
En cuanto a los datos atmosféricos, es necesario calcular la densidad del aire en referencia
al lugar donde esté operando el vehículo. Debido a la geografía característica de Ecuador,
sus principales ciudades están ubicadas en diferentes regiones naturales del país lo que
causa que cambien las condiciones climáticas más importantes como: la presión atmosférica,
la humedad relativa y temperatura del aire, los mismos que son necesarios para obtener la
densidad del aire. Las ciudades escogidas para este estudio se encuentran en la región Costa
y en la región Sierra para comparar como afectan estas condiciones al consumo de energía
y combustible del vehículo. Para calcular las densidades del aire en varios puntos del país
se ha recurrido a bases de datos del Instituto Nacional de Meteorología e Hidrología del
Ecuador (Instituto Nacional de Meteorologia e Hidrología, 2017) y a partir de la fórmula de
la densidad del aire CIPM-2007 (versión exponencial) (Peña & Becerra, 2010) se procedió a
calcular la densidad del aire para cada localización en el estudio.
2.1. Dinámica longitudinal del vehículo
Un vehículo al desplazarse está expuesto a varias fuerzas resistentes. El diseño
óptimo de un tren propulsor depende en gran medida de un correcto análisis de la dinámica
longitudinal vehicular. Para calcular la fuerza de tracción necesaria para el movimiento del
vehículo se debe analizar las fuerzas de resistentes que éste debe vencer (Figura 1), estas
fuerzas son: la resistencia a la rodadura (Rrd), la resistencia aerodinámica (Fxa), la resistencia
gravitatoria (Rg) y la resistencia a la inercia (Rrt).
Figura 1: Fuerzas resistentes que intervienen en el avance del vehículo.
Aplicando la segunda ley de Newton y el teorema de Euler se obtiene la relación en la
ecuación (1).
    
( 1)
 
( 2)
En la ecuación (1) y (2), m representa la masa total del vehículo (incluye peso de pasajeros),
ax la aceleración longitudinal, γm es el factor de mayoración de masa, FT representa la fuerza
de tracción, mientras que la fuerza resistente al avance es Ra. Así,
 
( 3)
Novasinergia 2021, 4(2), 140-151 144
En la ecuación (3), γm toma en cuenta la inercia provocada por las masas giratorias del
vehículo (discos y tambores de freno, sistema de transmisión, entre otros) que se estima
mediante la siguiente expresión:


( 4)
Donde: Ir es el momento de inercia de las masas que giran con las ruedas respecto a sus ejes
de giro, It es el momento de inercia de los componentes de la transmisión, r2 es el producto
del radio cinemático equivalente con el radio del neumático bajo carga suponiendo como
coincidentes a cada uno de ellos y es la relación de transmisión respecto a las ruedas.
Para el cálculo de la energía del vehículo en primera instancia se necesita la potencia de
tracción, la cual se calcula mediante la ecuación (5).

( 5)
La energía que consume un vehículo se calcula integrando los valores de la potencia de
tracción del sistema y se puede calcular mediante la ecuación (6).
 
( 6)
Para estimar el consumo de energía y combustible se utilizan patrones de conducción o CC
estándar que tratan de asemejarse a las de un conductor (Jiménez, López, Aparicio, & Flores,
2009; Jiménez et al., 2013). El CC describe cómo varía la velocidad del vehículo durante el
viaje, es decir que el CC es una gráfica de la velocidad frente al tiempo (Figura2). Los
ensayos suelen ser suficientes sin considerar la incidencia de la pendiente, es decir en
camino llano, para este artículo se ha tomado en cuenta el ciclo de conducción extraurbano
HWFET como se puede ver en la figura 2, la razón de seleccionar el CC HWFET es que a
mayores velocidades es mayor el impacto de la resistencia aerodinámica.
Figura 2: Ciclo de conducción extraurbano HWFET (United States Enviromental Protection Agency (EPA), n.d.).
2.2. Densidad del aire
El cálculo de la densidad del aire en cada sitio se realizó mediante la relación en la
ecuación (7). La ecuación (7) requiere como datos conocidos: densidad del aire (kg/m3)
-5
0
5
10
15
20
25
30
0100 200 300 400 500 600 700 800
Velocidad del vehículo (m/s)
Tiempo (s)
Novasinergia 2021, 4(2), 140-151 145
representada como ρa , presión atmosférica (hPa) representada por p, humedad relativa (%)
etiquetada como hr, y Temperatura del aire (ºC) representada como T. Este conjunto de datos
se obtuvo de la base de datos del Instituto Nacional de Meteorología e Hidrología
(INAMHI). El INAMHI registra los datos en concordancia con las normas internacionales
establecidas por la Organización Meteorológica mundial-OMM, la cual recomienda que la
incertidumbre de medición de la densidad del aire y demás variables meteorológicas estén
establecidas entre 99% como altamente correcta y 90% como muy acertada (World
Metereological Organization, 2008).
󰇛󰇜

( 7)
2.3. Modelo
El modelo desarrollado corresponde a una serie de conexiones a través de un
diagrama de bloques a partir de un cuadro de herramientas desarrollado por el Instituto
Tecnológico de Zúrich denominado Quasi-Static Simulation tool (QSS) (Guzzella & Amstutz,
2005). El modelo se muestra en la Figura 3: Diagrama de Bloques del modelo matemático
ejecutado en la simulación.
, donde se expone cada uno de los componentes que contiene cada bloque siguiendo
la siguiente descripción:
Figura 3: Diagrama de Bloques del modelo matemático ejecutado en la simulación.
1. Bloque del CC: El CC se define mediante dos vectores: Con un vector de tiempo (en el que
los intervalos de tiempo suelen ser iguales), y un vector de velocidad del vehículo. Se debe
mencionar que los ciclos de conducción son estandarizados y para el caso que queremos
Novasinergia 2021, 4(2), 140-151 146
tratar como es la influencia de la resistencia aerodinámica es pertinente analizarlo a altas
velocidades por lo que en el modelo hemos aplicado el ciclo de conducción HWFET que se
aplica como un ciclo de conducción extraurbano.
2. Bloque del Vehículo: Corresponde al sistema dinámico que efectúa un desplazamiento
longitudinal, Que deriva de la potencia dada por el sistema de transmisión de potencia a
través de su cadena de transmisión para al final pasarlo al grupo de neumáticos que
efectuarán la potencia de tracción para el desplazamiento del vehículo. Este sistema está
expuesto a un grupo de resistencia al avance que se ha mencionado anteriormente como
son: La resistencia a la rodadura, la resistencia aerodinámica, la resistencia gravitatoria y las
pérdidas de resistencia a la aceleración del vehículo (inercia).
3. Modelo de la rueda: Este modelo pertenece al neumático y como esta toma la potencia y par
del sistema de transmisión y lo convierte en movimiento lineal al vehículo. Tiene en cuenta
la velocidad angular, potencia y par que viene desde el tren de potencia.
4. Caja de velocidades: Este modelo corresponde al cambio de velocidades que debe darse en
cada instancia del movimiento del vehículo y condición del motor teniendo en cuenta que
a bajas velocidades el motor requiere altos requerimientos de Par y a altas velocidades altos
requerimientos de Potencia.
5. Motor de Combustión Interna: Este bloque se refiere al conversor energético. La potencia
producida a partir de un motor de combustión interna se puede modelar siguiendo dos
enfoques diferentes: el primero corresponde el de calcular el consumo de combustible desde
un mapa de consumo y el segundo la aproximación de la eficiencia mediante la aplicación
de linealidad de Willians para escalabilidad de motores de combustión interna (Nesci et al.,
2015).
6. Bloque de fuente de energía: Este bloque permite calcular el consumo de combustible. La
potencia requerida del motor de combustión se divide por el poder calorífico inferior del
combustible para calcular el flujo de masa de combustible real resultante (Ben-Chaim,
Shmerling, & Kuperman, 2013; Guzmán, Cueva, Peralvo, Revelo, & Armas, 2018.; Taipe-
Defaz, Llanes-Cedeño, Morales-Bayetero, & Checa-Ramírez., 2021). A continuación, el flujo
de masa de combustible se integra con el fin de obtener la masa de combustible consumido
para completar el ciclo de conducción elegido. La masa total de combustible se divide
finalmente por la distancia total y se transforma en litros/100 km.
3. Resultados
3.1. Resistencia aerodinámica
La Figura 4 muestra los resultados del comportamiento de la resistencia
aerodinámica tras la ejecución de varias simulaciones del modelo conceptual desarrollado,
teniendo en cuenta el efecto de la presión atmosférica y la densidad del aire de un grupo de
ciudades de Ecuador.
Novasinergia 2021, 4(2), 140-151 147
3.2. Consumo de energía del vehículo y del motor
Hay que mencionar que el consumo de energía del vehículo es diferente al consumo
de energía del motor. Esto se debe a que sistema de propulsión tiene una eficiencia
determinada, por ejemplo, en los motores de combustión de encendido provocado, se tienen
eficiencias del 20 al 25 % cuando se encuentran en su punto óptimo de funcionamiento,
además que existen pérdidas en los distintos componentes de la cadena energética como
caja de cambios y diferencial, con una eficiencia combinada de alrededor del 96 %. De esta
manera se deduce que el sistema de propulsión tiene valores de eficiencia de alrededor del
20 %, por lo que la energía que consume el motor de combustión puede llegar a ser hasta
cinco veces mayor a la energía que consume el vehículo. Esto se puede apreciar en la figura
5, donde se puede observar que durante el ciclo de conducción la energía que consumió el
motor es aproximadamente 9 kWh en la región Sierra (Quito) y enla región Costa
(Guayaquil).
Figura 4: Valores de la resistencia aerodinámica del vehículo simulado usando el ciclo de conducción HWFET en diferentes
regiones del Ecuador. Los colores identifican las trazas correspondientes a las regiones de estudio.
(b) Quito
Figura 5: (a) Energía consumida por el vehículo durante el CC HWFET en la región Costa, en la ciudad de Guayaquil y (b)
Energía consumida por el vehículo durante el CC HWFET en la región Sierra, en la ciudad de Quito.
0
2
4
6
8
10
0200 400 600 800
Energía (kWh)
Tiempo (s)
0
2
4
6
8
10
0200 400 600 800
Energía (kWh)
Tiempo (s)
Novasinergia 2021, 4(2), 140-151 148
La Tabla 1 lista los valores del consumo de combustible del motor de combustión interna
cada 100 km en varias ciudades del Ecuador. La resistencia aerodinámica tiene un mayor
efecto en las ciudades que se encuentran en la región Costa (Tabla 1). En la región Costa y
Sierra se hace más evidente el efecto de la resistencia aerodinámica (densidad del aire) en el
consumo de combustible.
Se puede apreciar que en la región Sierra la variación de consumo de combustible fue entre
6.793 a 6.911 L/100 km, mientras que en la región Costa de 7.188 a 7.224 L/100 km.
Comparando las ciudades principales del país (Quito y Guayaquil) que coincidentemente
una está en la Sierra ecuatoriana y otra en la Costa, en dato porcentual, existe en la ciudad
de Guayaquil una variación de mayor consumo combustible del 5.9 % respecto a Quito, por
lo que la resistencia aerodinámica tiene un mayor efecto en la región costa. Considerando el
valor medio del consumo de combustible en las ciudades de la región Costa y el
correspondiente valor medio para las ciudades en la región Sierra los datos sugieren que en
promedio un vehículo liviano con las especificaciones dadas en este estudio consume un
95% del combustible que consumiría en la región Costa.
Tabla 1: Consumo de combustible del vehículo liviano simulado en distintas ciudades del Ecuador cuando se usa el ciclo
de conducción HWFET. Entre paréntesis se indica la región geográfica.
Ciudades Referencia
Consumo de combustible
en 100 km (L/100 km)
Quito (Sierra)
6.793
Cuenca (Sierra)
6.819
Ambato/Baños (Sierra)
6.824
Riobamba (Sierra)
6.814
Ibarra (Sierra)
6.894
Loja (Sierra)
6.911
Bahía de Caráquez (Costa)
7.212
Quevedo/Babahoyo (Costa)
7.217
Guayaquil (Costa)
7.217
Salinas (Costa)
7.224
Santo Domingo/la Concordia (Costa)
7.188
Machala (Costa)
7.224
4. Discusión
Se ha tomado en consideración para este estudio el poder calorífico del combustible
de mayor uso en vehículos livianos particulares en el Ecuador (gasolina extra). Así mismo,
la densidad del aire fue incorporado en el modelo y para esto se consideró la presión
atmosférica, temperatura ambiental y la humedad relativa de diferentes ciudades del
Ecuador, a diferencia de muchos estudios donde se toma un valor estándar de la densidad
del aire de 1.225 kg/m3. Se ha mostrado que la densidad del aire puede afectar el consumo
de combustible de vehículo livianos cuando el patrón de conducción corresponde con un
CC HWFET. Sin embargo, se debe tener presente que estos cálculos son el resultado de un
modelo conceptual con algunas simplificaciones por lo que se requieren más estudios en
profundidad para determinar la significancia de este resultado.
Novasinergia 2021, 4(2), 140-151 149
5. Conclusiones
Se ha elaborado un MIL a partir de un vehículo conceptual liviano de uso habitual
en Ecuador, donde se ha aplicado el ciclo de conducción extraurbano HWFET, esto con el
fin de caracterizar el efecto que tiene la resistencia aerodinámica sobre el consumo de
combustible del vehículo. De lo que se puede concluir:
Se determinó que en las ciudades evaluadas de la región Costa, el consumo de combustible
del vehículo fue aproximadamente de 7.214 L/100 km, mientras que la sierra de 6.842 L/100
km. Esto se interpreta como que el efecto de la resistencia aerodinámica (la densidad del
aire) es reducir el consumo de combustible en la región Sierra en aproximadamente 5%.
La resistencia a la rodadura es constante en ambas regiones, mientras que la resistencia
aerodinámica difiere sus valores por efecto de la densidad del aire, la presión atmosférica,
temperatura ambiente y humedad relativa. Se concluye que, en los puntos geográficos
evaluados, la región Costa es más incidente que la región sierra respecto al consumo de
energía y combustible por efecto de la resistencia aerodinámica.
Experimentar con equipos de instrumentación sobre un vehículo en rutas extraurbanas,
permitirá validar los resultados del modelo físico con el simulado.
Agradecimientos
Los autores agradecen a la Universidad Técnica Estatal de Quevedo y a la dirección de
investigación por el apoyo brindado dentro del proyecto de Investigación “Estudio de la
resistencia aerodinámica (Aerodynamic Drag) de vehículos comercializados en Ecuador.”
Contribuciones de los autores
En concordancia con la taxonomía establecida internacionalmente para la asignación
de créditos a autores de artículos científicos (https://casrai.org/credit/). Los autores declaran
sus contribuciones en la siguiente matriz:
Grijalva, E.
Acosta, J.
3.
Mancheno, E.
Conceptualización
Análisis formal
Investigación
Metodología
Recursos
Validación
Redacción - revisión y edición
Novasinergia 2021, 4(2), 140-151 150
Conflicto de interés
Los autores declaran que no existen conflictos de interés de ninguna naturaleza con
la presente investigación.
Referencias
Aparicio, F., Vera, C., & Díaz, V. (1996). Teoría de los vehículos automóviles. Sección de
Publicaciones de la ETSII-UPM. Universidad Politécnica de Madrid: España.
Disponible en https://es.scribd.com/document/351110516/Teoria-de-Los-Vehiculos-
Automoviles
Ben-Chaim, M., Shmerling, E., & Kuperman, A. (2013). Analytic Modeling of Vehicle Fuel
Consumption. Energies, 6(1):117127. https://doi.org/10.3390/en6010117
Ehsani, M., Gao, Y., Longo, S., & Ebrahimi, K. M., (2018). Modern electric, hybrid electric, and
fuel cell vehicles: Fundamentals, theory, and design (3rd ed.). Boca Raton, FL: CRC press.
https://doi.org/10.1201/9780429504884
Giakoumis, E., (2017). Driving and Engine Cycles. Cham, Switzerland: Springer International
Publishing AG. https://doi.org/10.1007/978-3-319-49034-2
Guzmán, A., Cueva, E. J., Peralvo, A., Revelo, M., &Armas, A., (2018). Estudio del
rendimiento dinámico de un motor Otto utilizando mezclas de dos tipos de gasolinas
Extra y Súper”. Enfoque, 9(4). 208-220.
https://doi.org/10.29019/enfoqueute.v9n4.335
Guzzella, L., & Amstutz, A. (2005). The QSS toolbox manual. Institut für Mess-und
Regeltechnik, Eidgenössische Technische Hochschule Zürich. Zürich. Retrive from
https://vdocuments.mx/qss-tb-manual.html
Guzzella, L., & Onder, C., (2010). Introduction to modeling and control of internal combustion
engine systems. Heidelberg, Berlin: Springer-Verlag Berlin Heidelberg.
https://doi.org/10.1007/978-3-642-10775-7
Guzzella, L., & Sciarretta, A., (2013). Vehicle propulsion systems: Introduction to modeling and
optimization (2nd. ed.). Berlin, Heidelberg: Springer Berlin Heidelberg.
https://doi.org/10.1007/978-3-540-74692-8
Instituto Nacional de Meteorologia e Hidrología. (2017). Anuario Metereológico. Obtenido de
https://www.inamhi.gob.ec/docum_institucion/anuarios/meteorologicos/Am_2013.
pdf
Jiménez, F., Román, A., & Lopéz, M., (2013). Determinación de ciclos de conducción en rutas
urbanas fijas. Dyna: Ingeniería e Industría. 88(6):68592. https://doi.org/10.6036/5751
Jiménez, F., López, J. M., Aparicio, F., & Flores, H. N., (2009) Comparación de tecnologías
para la reducción de emisiones contaminantes en autobuses urbanos. Dyna: Ingeniería
e Industría. 84(1): 21’25. Recuperado de
https://www.revistadyna.com/Articulos/Ficha.aspx?idMenu=a5c9d895-28e0-4f92-
Novasinergia 2021, 4(2), 140-151 151
b0c2-c0f86f2a940b&Cod=1736&codigoacceso=15aa3863-5ed4-4cb8-90fc-
519b41eea5f5
Lamberg, K., Beine, M., Eschmann, M., Otterbach, R., Conrad, M., & Fey, I., (2004). Model-
Based testing of embedded automotive software using Mtest (SAE Technical Papers 724).
Recuperado de https://ur.booksc.eu/book/71703976/ec8457
Motahhir, S., El Ghzizal, A., Sebti, S., & Derouich, A., (2017). MIL and SIL and PIL Tests for
MPPT Algorithm. Cogent Engineering 4(1).
https://doi.org/10.1080/23311916.2017.1378475
Nesci, W., Sorrentino, M., Mauramati, F., Arsie, I., Cricchio, A., & Pianese, C., (2015).
Application of Willans Line Method for Internal Combustion Engines Scalability towards the
Design and Optimization of Eco-Innovation Solutions (Technical Paper 2015-24-2397).
SAE International. https://doi.org/10.4271/2015-24-2397
Peña, L. M., & Becerra, L. O., (2010). Impacto de la nueva fórmula de la densidad del aire CIPM-
2007 (Reporte SM2010-S1A-3). Centro Nacional de Metrología: Mexico. Recuperado
de https://www.cenam.mx/sm2010/info/pmiercoles/sm2010-mp03a.pdf
Plummer, A. R., (2006). Model-in-the-Loop Testing.. Journal of Systems and Control
Engineering 220(3):18399. https://doi.org/10.1243/09596518JSCE207
Soares, R. F., & de Souza, F. J., (2015). The Brazilian Automotive Scenario over the Hatch 2015
Car Models: A View from Aerodynamics (Technical Paper 2015-36-0518). SAE
International. https://doi.org/10.4271/2015-36-0518
Stockar, S., Marano, V., Canova, M., Rizzoni, G., & Guzzella, L., (2011). Energy-Optimal
Control of Plug-in Hybrid Electric Vehicles for Real-World Driving Cycles. IEEE
Transactions on Vehicular Technology 60(7), 29492962.
https://doi.org/10.1109/TVT.2011.2158565 .
Taipe-Defaz, V. A., Llanes-Cedeño, E. A., Morales-Bayetero, C. F., & Checa-Ramírez, A. E.,
(2021). Evaluación experimental de un motor de encendido provocado bajo
diferentes gasolinas. Ingenius. Revista de Ciencia y Tecnología (26):1729.
https://doi.org/10.17163/ings.n26.2021.02
United States Enviromental Protection Agency (EPA). (n.d). Dynamometer Drive Schedules,
Retrieved from https://www.epa.gov/vehicle-and-fuel-emissions-
testing/dynamometer-drive-schedules
World Metereological Organization. (2008). Guidelines on Communicating Forecast
Uncertainty. Recuperado de https://library.wmo.int/doc_num.php?explnum_id=4687