“Año del fortalecimiento de la Soberanía nacional”

UNIVERSIDAD NACIONAL SAN LUIS GONZAGA

FACULTAD DE INGENIERIA AMBIENTAL Y SANITARIA
E S C U E L A P R O F E S I O N A L D E I N G E N I E R I A AM B I E N T A L Y S A N I T A R I A

CURSO:
SEMINARIO DE LA CALIDAD DEL AIRE
DOCENTE:
ING: MARTINEZ
TEMA:
CICLO Y SECCION:
X “A”
ALUMNO:
•JOCHACHI VILCACURE, LEIDY
Predicción aerodinámica de la duración del
tiempo para infectarse
con Coronavirus en un lugar público

Abd Alhamid R. Sarhan 1,* , Parisa Naser 2 y Jamal Naser 1

 Introducción
El coronavirus SARS-CoV-2 sigue extendiéndose por todo el mundo, manteniendo a personas y empresas
cerradas, hasta abril de 2022, se han producido más de 497 millones de casos de coronavirus y más de 6,17
millones de muertes en todo el mundo. La coronavirus son una gran familia de virus que causan enfermedades en
animales y humanos. 
En los seres humanos, los coronavirus pueden causar infecciones respiratorias como el resfriado común, así como
enfermedades más graves, como el síndrome respiratorio de Oriente Medio y el síndrome respiratorio agudo
severo .

El COVID-19 es una enfermedad infecciosa causada por una nueva forma de coronavirus llamada SARS-CoV-2.
Respirar, hablar, toser, estornudar y reír provocan la liberación de miles de gotas y aerosoles en el aire ,
dependiendo del tipo de actividad, el número, la velocidad y la distribución del tamaño de las gotas varía, las
características de las gotas, como la concentración y el tamaño, tienen importantes implicaciones en el proceso de
transmisión de estas gotas. Las gotas más pequeñas, que transportan menos partículas, pueden permanecer
suspendidas en el aire durante horas, mientras que las gotas más grandes, que transportan más virus, se
depositarán más rápidamente debido a la gravedad.

Los resultados de estos estudios mostraron que la respiración normal puede producir un orden de 103 o más gotas
por litro, con un tamaño medio que varía de 0,3 a 5 µm. Los resultados de estos estudios también mostraron que al
hablar se pueden liberar 10 veces más gotas en el aire, con un tamaño medio que varía de 5 a 75 µm . La fuerza
browniana desempeña un papel importante en el transporte de aerosoles de gotas pequeñas.
Metodología
La dinámica de fluidos computacional es una poderosa herramienta
para simular flujos de fluidos y la física relacionada en un entorno
virtual, que se utiliza cada vez más en estos días para diseñar
equipos de procesamiento químico y de ingeniería y puede ser de
gran utilidad para obtener una comprensión teórica de los
complejos procesos de flujo y transferencia multifásicos. Sin
embargo, la ventaja de los ordenadores de alta velocidad y gran
memoria ha permitido a la CFD obtener soluciones para muchos
problemas de flujo, como la calidad del aire interior en numerosos
edificios.
Descripción del modelo matemático
El solver de CFD de AVL se basa en el enfoque de volumen
finito, el enfoque de Volumen Finito en el CFD se basa en los
principios generales de conservación de las propiedades que
describen el comportamiento de una materia cuando interactúa
con su entorno. 
Sin embargo, mientras que la formulación original de las leyes
de conservación para una masa fija es adecuada para la
descripción de las propiedades y la dinámica de los sólidos , un
enfoque más conveniente para describir el flujo de fluidos y los
procesos de transporte asociados es utilizar el marco de
referencia euleriano o un enfoque de volumen de control. 
El transporte de aerosoles es un proceso bifásico en el que el
gas es la fase continua, y las gotas/partículas son una fase
dispersa que se sigue utilizando el enfoque euleriano.
Para calcular la fracción de volumen en cada celda
computacional, se resolvió una ecuación de fracción de
volumen separada para cada fase (es decir, gas y gotas).
Las ecuaciones de gobierno del presente modelo se describen
en esta sección.
La ecuación de conservación de la masa en el modelo
euleriano se escribe como sigue [32]
αk es la fracción de volumen de la fase k, vk es la velocidad
instantánea de la fase k, y ρk
representa la densidad de la fase k. Debe cumplirse la condición
de compatibilidad [32]:
La ecuación de conservación del momento utilizada en el
presente modelo viene dada por [32]

aquí f es el vector de fuerza del cuerpo que comprende la gravedad (g) y la fuerza de inercia
en el marco rotacional (-ω × ω × r - 2ω × vk); Mkl representa la interacción interfacial de
momento entre las fases k y l, vkl es la velocidad en la interfaz de fase, y p es la presión

La presión se supone idéntica para todas las fases [32]:

 La viscosidad turbulenta, µtise calcula mediante la siguiente
El esfuerzo cortante de la fase k, τk, es igual a [32]:
ecuación [32]:

donde Kk es la energía cinética de la turbulencia y εk es la tasa

donde µk es la viscosidad molecular. La tensión de Reynolds,
de disipación de energía de la turbulencia. Aquí, la ecuación de
Ttk es igual a [32]:
la energía cinética de la turbulencia es igual a [32]

donde el término de producción debido al cizallamiento para la fase k es igual a

La tasa de disipación de energía de la turbulencia se calcula como sigue [

Los valores estándar de todas las constantes empíricas del modelo
de turbulencia k-ε son
C1 = 1,44, C2 = 1,92, C4 = -0,373, σk = 1,0, σε = 1,3, Cµ = 0,09 y σT =
0,9. Los subíndices d y c representan las fases dispersa y
El intercambio de momentos entre fases debido a la fuerza de continua, respectivamente.
arrastre y a la fuerza de dispersión turbulenta es significativo. El La velocidad relativa se define como: vr = vd - vc. La
intercambio de momento interfacial entre la fase continua siguiente ecuación se utiliza para calcular
(aire/gas) y la fase dispersa (gotas/partículas) se considera en el
presente modelo. la densidad del área interfacial para el flujo [32]:

El intercambio de momento interfacial considerando la fuerza de

arrastre y la fuerza de dispersión turbulenta es la siguiente [32]:
La densidad numérica, N000, se obtiene a partir del modelo de
intercambio de masa por cavitación. El coeficiente de arrastre
CD se da en función de la velocidad terminal de las gotas [33]:
Descripción del modelo y configuración computacional
La figura 2 ilustra las dimensiones del dominio computacional empleado en el
Los miembros de la familia se llamarán clientes. presente modelo. El dominio de cálculo tiene unas dimensiones de 3,35 m de
 La figura 1 muestra la ubicación de las mesas y el número de clientes ancho 8,1 m de profundidad 3,14 m de altura. Se asumió que la ventilación del
dominio computacional se lograba a través de la unidad de aire
sentados en cada mesa. Durante la hora de la comida, además de los 8
acondicionado, además de la zona de salida cerca de los ventiladores de escape .
miembros del personal, había 83 clientes cenando en la misma planta del
restaurante de cinco pisos. Los demás clientes sentados lejos de estas tres
mesas y los ocho empleados que estaban que trabajaban en la planta en ese
momento no contrajeron el virus.
En aras de la simplicidad, hemos etiquetamos a los clientes como
TXCY , donde la «X» representa el índice de las mesas y la «Y» los clientes.

Figura 2. Dimensiones del dominio computacional utilizado en

el presente modelo.

Figura 1. Esquema de la ubicación de las mesas y del número

de clientes sentados en cada una de ellas

El presente estudio trató el aire y las gotas/partículas como dos fases
diferentes. Los investigadores informaron de que la concentración de partículas
de aerosol en el aliento exhalado humano es de ~10.000 partículas por litro . Por
lo tanto, un aliento exhalado, que está entre 0,3 y 0,75 L , podría contener un
orden de 103 gotas . Estas partículas de aerosol son lo suficientemente pequeñas
como para permanecer suspendidas en el aire y suponen un riesgo de transmisión
aérea.
Se pueden identificar diferentes regiones en el dominio computacional en función
de la presencia de cada concentración de gotas. Se ha supuesto que el tamaño
medio de las gotas es de 1,0 µm . Se creó una malla de volumen basada en una
malla de superficie existente utilizando la técnica de generación de malla FAME
Hexa. Se utilizó una malla densa cerca de la boca, y luego se aumentaron
gradualmente los tamaños de las celdas hacia fuera de la región de la boca.
Las pruebas de independencia de la malla mostraron que no había un impacto
significativo de la resolución de la malla en los resultados más allá de 6.523.271
elementos de celda. Por lo tanto, para todas las simulaciones posteriores se eligió
la malla formada por 6.523.271 elementos numéricos.
Simulación y procedimientos numéricos
Para calcular con precisión los flujos turbulentos, se utilizó el modelo de
turbulencia k-. Debido a su mayor estabilidad, el GSTB se utilizó en el presente
modelo como solucionador lineal para la solución de las ecuaciones
principales . En el presente modelo se utilizó el residuo de masa para controlar la
convergencia.
Condiciones iniciales y de contorno
Las condiciones de contorno especifican las propiedades físicas de las caras en la
malla del volumen. Las condiciones de contorno tienen un impacto significativo
en la precisión del cálculo del flujo y en lo bien que representa la situación
física. La forma de aplicar las condiciones de contorno también afecta a las
propiedades de convergencia de la solución. Se empleó una función sinusoidal
para prescribir el flujo de masa en la entrada, que se ajusta bastante bien al
proceso normal de respiración humana . Para las condiciones iniciales de este
trabajo, la fracción de volumen de la fase gaseosa se fijó en uno en todo el
dominio computacional, mientras que la fracción de volumen de las gotas se fijó
en cero.
 Resultados y discusión
El presente modelo simula un evento real de infección de tres familias no
relacionadas que ocurrió en un restaurante en Guangzhou, China, en enero
de 2020. El presente modelo examinó cinco escenarios diferentes, que se
enumeran en la Tabla 1.
Tasa de ventilación (tasa de aire Respirar y hablar Estornudos
suministrado por las unidades de aire
acondicionado) por persona

Caso-1 0.9L/s Si No

Caso-2 0,9 L/s Si No

Caso-3 1,35 L/s Si No

Caso-4 1,35 L/s Si No

Caso-5 Condiciones al aire libre Si No

Como hemos mencionado anteriormente, no hubo contacto directo entre el caso

índice y los clientes de las otras mesas . Además, las grabaciones de vídeo
también revelan que el caso índice nunca giró la cabeza hacia T1 durante la
comida . Esto se debe a que la distancia entre el caso índice y los clientes de las
otras mesas era superior a 1 m . La Figura 3 también muestra que las personas que
comparten la misma mesa con el caso índice inhalaron más gotitas durante un
tiempo más corto en comparación con otros clientes.

Es posible que estos resultados se deban a que los clientes están sentados cerca del
caso índice .

Figura 3. Número de gotas/partículas inhaladas por individuos sanos en

un restaurante-caso 1; (a) T1: tabla 1, (b) T2: tabla 2, y (c) T3: tabla 3 [35].
Además, tiene la capacidad de propagar infecciones y patógenos de portadores
asintomáticos a través de las gotitas que salen de la boca durante el
estornudo. Estos resultados eran de esperar, ya que un solo estornudo puede
generar un orden de 104 o más gotitas . Además, podemos observar en los
resultados que los estornudos tienen un profundo efecto en la aerodinámica del
dominio computacional, donde la velocidad de un estornudo es de unos 20 m s-
1 . Esto significa que la mezcla de aire húmedo y saliva que sale de la boca
durante el estornudo se moverá en línea recta y por una distancia que puede
alcanzar varios metros.
Figura 4. Número de gotas/partículas inhaladas por individuos sanos en un restaurante-caso 2;
(a) T1: tabla 1, (b) T2: tabla 2, y (c) T3: tabla 3 [35].

La figura 5 muestra los resultados predichos de las concentraciones de gotas por metro
cúbico exhaladas del caso índice para el caso-1. La figura 5 muestra que la corriente de
gotas exhaladas del caso índice choca con la corriente de aire de la unidad de aire
acondicionado. Sin embargo, la principal diferencia entre los dos casos era que la
concentración de gotas contaminadas en la zona situada delante del caso índice era
mayor en comparación con el caso-1. Es probable que estos resultados estén
relacionados con el hecho de que el flujo del fluido portador tenía una velocidad máxima
cerca de la boca del caso índice durante el estornudo, y esto ayudará a que la nube de
gotas contaminadas siga una trayectoria recta y se desplace lejos del lugar donde se
encuentra la persona infectada.
Esto provocará un aumento de la concentración de gotas contaminadas en la zona
situada delante del caso índice . La figura 7 ilustra el número de gotas
contaminadas por metro cúbico exhalado del caso índice mediante respiración
normal y hablando en 4500 s . El número de gotas contaminadas por metro cúbico
exhaladas del caso índice para el caso-4 en 4500 s se muestra en la Figura 8. Para
examinar el efecto del aire acondicionado en la dispersión de las gotas
contaminadas dentro del dominio computacional, se asumió que el caso índice
comenzaría a estornudar unas cuantas veces en t = 600 s.
Para evaluar claramente el efecto del entorno ambiental en la distribución de la
corriente de aire exhalado del caso índice , en el caso-5 se sustituyeron todas las
paredes circundantes y el techo del tejado bajo condiciones de límite de presión de
la atmósfera al aire libre. Sorprendentemente, las gotas contaminadas se
concentraron en la segunda mesa , donde estaba sentado el caso índice . Los
resultados predichos sugieren que el mayor número de gotas contaminadas se
concentra alrededor de las personas que están directamente orientadas hacia el
caso índice . Esto podría atribuirse al hecho de que el aire exhalado desde el caso
índice seguirá una trayectoria recta ya que no había corrientes de aire externas que
influyeran o cambiaran esta dirección.

Cabe mencionar que, aunque la distancia entre el caso índice y las personas que
estaban frente a él era de aproximadamente 1,8 m, esta distancia no era suficiente
para protegerlas de la inhalación de gotas contaminadas.
Resumen y conclusiones
Este tipo de predicción mediante el presente modelo es
útil para la prevención eficaz de enfermedades
infecciosas transmitidas por el aire, como el SARS-
CoV-2, al identificar el movimiento de las gotas en
lugares públicos como un restaurante y predecir la
propagación de la enfermedad.