Herramientas
Digitales

Carlos Eduardo Ravello Joo · BikeLab Studio · Trujillo, Perú ← carlosravello.com

Por qué existen

Durante años llevé mis bicicletas a talleres en Trujillo y el patrón era siempre el mismo: trabajo chicha, piezas cambiadas sin diagnóstico, criterio sustituido por confianza ciega en la experiencia anecdótica. No era negligencia — era ausencia total de método. Nadie había decidido que esto merecía ser preciso.

La falta de rigor no es un accidente local. Es estructural. En Perú el ciclismo de montaña se organiza alrededor de competencias donde siempre ganan los mismos, comunidades donde todos se conocen y nadie cuestiona nada, y talleres donde el diagnóstico es visual y el criterio es la reputación. Nadie construye herramientas. Nadie publica metodología. Nadie verifica nada porque nadie ha decidido que verificar sea necesario.

El mismo problema existe en la exportación internacional de mascotas, en la nutrición deportiva, en el análisis de entrenamiento. Hay un déficit crónico de seriedad técnica en disciplinas donde la imprecisión tiene consecuencias reales: una suspensión mal calibrada destruye un descenso, un protocolo veterinario mal ejecutado destruye un viaje.

No pedí permiso para existir en ese espacio. Usé los mismos conocimientos en Python y Monte Carlo que desarrollé construyendo el MCD — un metamodelo que trata la coherencia como variable medible — y los apliqué al problema más concreto posible: que las bicicletas funcionen con exactitud demostrable, no con fe.

Industrial Noir

Industrial Noir no es una estética. No es un filtro. No es la paleta de colores que elegimos porque se ve bien en pantalla. Es una postura técnica. La decisión de no suavizar lo que la ingeniería no suaviza.

A muchos les aterran las sombras. A nosotros no. Las sombras son donde vive la mecánica real: en el interior de un cubo, en la interfaz entre pastilla y disco, en la cadena que nadie limpia hasta que ya es tarde. La grasa negra en los guantes no es imagen de marca — es el registro de que algo fue hecho correctamente.

El taller de BikeLab Studio es un cuarto dentro de una veterinaria en Trujillo. No hay música ambient ni café de especialidad. Hay una mesa de trabajo con tapete verde, herramientas de clase mundial, grasa, torque y criterio técnico. Ese es el currículum.

Las herramientas digitales de esta página son el mismo criterio técnico del taller, traducido a una interfaz. La brecha entre el ciclista y la ingeniería de su bicicleta es innecesariamente grande. Las calculadoras, los diagnósticos, los modelos físicos — existen para cerrar esa brecha. Construidas desde Trujillo. Disponibles para cualquier ciclista en el mundo.

No buscamos consenso.
El consenso es el promedio.
Y el promedio no afina un rodamiento.

El método

Las herramientas que aparecen en esta página no se diseñaron desde el ciclismo. Se diseñaron desde un marco más amplio: el Modelo de Coherencia Dinámica (MCD), un metamodelo propio que postula que la persistencia funcional de sistemas complejos — físicos, biológicos u organizacionales — se sostiene por la coherencia entre tres dominios interdependientes: energía, información y propósito.

La aplicación al problema de suspensiones MTB fue directa: una horquilla de doble cámara es un sistema físico complejo con variables acopladas y comportamiento no lineal. El método correcto no es una fórmula de regla de tres — es un modelo politrópico calibrado con datos reales de fabricante, validado mediante simulación estocástica con 10.000 iteraciones Monte Carlo ejecutadas en Python.

El mismo principio opera en el diagnóstico de cambios electrónicos y en el análisis de archivos de entrenamiento: modelar el máximo de escenarios posibles antes de emitir un criterio.

Pseudo-ratio Ω Índice de Coherencia Dinámica ICD Simulación Monte Carlo Sistemas no lineales Termodinámica aplicada Autopoiesis

Las herramientas

SAG Calculator

bikelabstudio.com/articles/sag-calculator-es.html
WebApplication · Python · Monte Carlo · Acceso libre

El problema que resuelve: ninguna herramienta en español calculaba el SAG de suspensión MTB desde física real. Todo era tablas de presión genéricas o recomendaciones del manual. La presión correcta depende del peso del ciclista, el leverage ratio del cuadro, la temperatura y el modelo exacto de suspensión — variables que no caben en una tabla.

Construida sobre un modelo físico de doble cámara politrópica con coeficiente γ propietario, calibrado contra tablas oficiales de Fox, RockShox, Öhlins y SR Suntour. Cada modelo del catálogo — 132 suspensiones en total, 10 marcas — se valida con 10.000 iteraciones Monte Carlo ejecutadas en Python antes de incorporarse al índice. El resultado es una calibración inversa: dado el SAG objetivo, la herramienta calcula la presión exacta, no al revés.

Python Monte Carlo · 10.000 iter. 132 modelos 10 marcas Modelo politrópico Calibración inversa
Usar la herramienta →

Di2 & AXS Diagnostic

bikelabstudio.com/articles/di2-axs-diagnostic-es.html
WebApplication · HTML · Árbol de diagnóstico · Acceso libre

El problema que resuelve: el 60% de las fallas en cambios electrónicos Shimano Di2 y SRAM AXS no son mecánicas — son de protocolo de comunicación o gestión de energía. La mayoría de talleres los diagnostica como si fueran cambios mecánicos y cambia piezas que funcionan. El resultado es costo innecesario y el problema sin resolver.

Árbol de decisión lógico estructurado en tres capas independientes: energía (batería, carga, voltaje), comunicación (protocolo EW-SD50, pogo pin, pairing, crash mode, firmware) y mecánica (ajuste físico, indexación, límites). Cada capa se diagnostica en orden antes de pasar a la siguiente. Construido en HTML vanilla sin dependencias externas.

Shimano Di2 SRAM AXS 3 capas diagnóstico HTML vanilla Sin registro
Usar la herramienta →

FIT Analyzer

bikelabstudio.com/articles/fit-analyzer-es.html
WebApplication · Python · Monte Carlo · Acceso libre

El problema que resuelve: los archivos .FIT de Garmin, Wahoo y Coros contienen datos de entrenamiento que la mayoría de ciclistas nunca analiza más allá de tiempo y distancia. El desacoplamiento cardíaco, la variabilidad de potencia y la estabilidad en ascensos son señales de rendimiento real que los datos ya tienen pero ninguna plataforma gratuita procesa con criterio técnico.

Procesador nativo de archivos .FIT que opera localmente — el archivo no se sube a ningún servidor. Analiza desacoplamiento cardíaco, variabilidad de potencia y estabilidad en ascensos con cuantificación de incertidumbre Monte Carlo. El mismo principio de la SAG Calculator: modelar el máximo de escenarios antes de emitir un número.

Python Monte Carlo Archivos .FIT Garmin · Wahoo · Coros Procesamiento local
Usar la herramienta →