مدل سازی جریان های آشفته: راهنمای کامل انتخاب بهترین مدل (RANS, LES, DNS)

۱. چرا انتخاب اشتباه مدل آشفتگی می‌تواند نتایج پروژه CFD شما را کاملاً بی‌اعتبار کند؟

فکر کنید ساعت‌ها یا حتی روزها برای یک شبیه‌سازی CFD وقت گذاشته‌اید، مش دقیقی تولید کرده‌اید و منتظر نتایج هستید. اما یک انتخاب اشتباه در همان ابتدای کار، یعنی انتخاب مدل آشفتگی، می‌تواند کل تحلیل شما را به یک داده بی‌ارزش تبدیل کند. این اتفاقی نیست که فقط برای تازه‌کارها بیفتد. انتخاب بین مدل k-ω SST و مثلاً Realizable k-ε برای تحلیل جریان روی یک بال، می‌تواند ضریب لیفت را تا ۱۵٪ جابجا کند؛ اختلافی که در صنعت هوافضا یک فاجعه محسوب می‌شود. تیم سیمومک در تمام مراحل انجام پروژه فلوئنت کنار شماست؛ چه برای انجام پروژه دانشجویی فلوئنت و مشاوره تخصصی انجام پایان نامه فلوئنت نیاز به راهنمایی داشته باشید ما راهکار دقیق را به شما ارائه می‌دهیم. این راهنما که بخشی از راهنمای کامل انسیس فلوئنت ما در سیمومک است، دقیقاً برای جلوگیری از همین اشتباهات پرهزینه نوشته شده. هدف ما این است که به شما کمک کنیم تا با دید باز، بهترین ابزار را برای مسئله خودتان انتخاب کنید.

جدول راهنمای انتخاب زیرمجموعه مدل‌هایRANS در فلوئنت

۲. مدل‌های RANS، LES و DNS به زبان ساده چه تفاوت‌های بنیادینی با یکدیگر دارند؟

بگذارید تئوری‌های پیچیده را کنار بگذاریم و با یک مثال ساده موضوع را روشن کنیم. تصور کنید می‌خواهید از یک رودخانه خروشان عکس بگیرید.

• RANS (Reynolds-Averaged Navier-Stokes): مثل این است که شاتر دوربین را برای چند ثانیه باز نگه دارید. عکس نهایی یک تصویر محو و یکدست از جریان آب به شما می‌دهد. شما مسیر کلی حرکت آب را می‌بینید اما تمام گردابه‌های کوچک و نوسانات لحظه‌ای از بین رفته‌اند. RANS هم همین کار را می‌کند؛ معادلات را میانگین‌گیری زمانی می‌کند تا یک تصویر کلی و پایدار از جریان بدهد. سریع و کم‌هزینه است اما جزئیات را فدا می‌کند.
• LES (Large Eddy Simulation): حالا تصور کنید با سرعت شاتر بالاتری عکاسی می‌کنید. در عکس شما، گردابه‌های بزرگ و اصلی کاملاً واضح هستند، اما ریزترین نوسانات سطح آب هنوز محو به نظر می‌رسند. LES دقیقاً همین کار را انجام می‌دهد: گردابه‌های بزرگ را مستقیماً شبیه‌سازی می‌کند و اثر گردابه‌های کوچکتر را مدل‌سازی می‌کند. این روش یک تعادل هوشمندانه بین دقت و هزینه است.
• DNS (Direct Numerical Simulation): این روش مانند فیلم‌برداری با یک دوربین فوق سریع (High-Speed) است که تک‌تک حرکات هر قطره آب را ثبت می‌کند. DNS هیچ مدل‌سازی انجام نمی‌دهد و تمام مقیاس‌های آشفتگی را مستقیماً حل می‌کند. دقتی بی‌نظیر دارد اما به توان محاسباتی فوق‌العاده سنگینی نیاز دارد که آن را برای اکثر کاربردهای صنعتی، غیرعملی می‌کند.

قبل از ادامه، اگر با خود مفهوم جریان آشفته نیاز به آشنایی بیشتری دارید، پیشنهاد می‌کنم نگاهی به مقاله جریان لامینار و توربولانس چیست؟ بیندازید.

۳. چگونه بین دقت فداکارانه DNS، هزینه سنگین LES و سرعت RANS انتخاب کنیم؟

این سوالی است که جوابش مستقیماً به بودجه زمانی و محاسباتی شما بستگی دارد. هیچ نسخه‌ی واحدی برای همه وجود ندارد. برای کمک به این تصمیم‌گیری، ما در سیمومک بر اساس پروژه‌های متعددی که انجام داده‌ایم، یک جدول مقایسه‌ای کاربردی آماده کرده‌ایم.

۴. در چه پروژه‌های صنعتی، مدل‌های RANS مانند k-ε و k-ω SST سریع‌ترین و بهترین پاسخ را به ما می‌دهند؟

در طول بیش از ۷ سال تجربه‌ام در حوزه شبیه‌سازی‌های صنعتی، به این نتیجه رسیدم که وسواس برای استفاده از مدل‌های پیچیده، یکی از بزرگترین تله‌هاست. یادم است روی یک پروژه بهینه‌سازی مبدل حرارتی برای یک شرکت پتروشیمی کار می‌کردیم. مدیر فنی‌شان اصرار داشت که حتماً از LES استفاده کنیم چون مقاله‌ای در این مورد خوانده بود. اما ماهیت جریان کاملاً پایدار و چسبیده به سطوح بود. ما با چند تحلیل سریع با مدل Realizable k-ε به ایشان نشان دادیم که نتایج افت فشار و ضریب انتقال حرارت با داده‌های آزمایشگاهی‌شان کمتر از ۵٪ اختلاف دارد. با این کار، به جای دو هفته، پروژه را در سه روز تحویل دادیم و کلی در هزینه‌های محاسباتی‌شان صرفه‌جویی شد. 💡

مدل‌های RANS در موارد زیر بهترین انتخاب هستند:

• تحلیل‌های آیرودینامیک خارجی (مثل محاسبه درگ خودرو یا لیفت هواپیما)
• شبیه‌سازی توربوماشین‌ها (پمپ، کمپرسور، توربین)
• جریان‌های داخلی کاملاً توسعه‌یافته (جریان در لوله‌ها)
• تحلیل‌های انتقال حرارت جابجایی اجباری

برای درک عمیق‌تر تفاوت‌های مدل‌های این خانواده، می‌توانید به مقاله ما در مورد بررسی کامل انواع مدل k-epsilon در فلوئنت مراجعه کنید.

۵. چه زمانی پیچیدگی‌های جریان آنقدر زیاد است که ناچار به استفاده از شبیه‌سازی گردابه‌های بزرگ (LES) هستیم؟

وقتی فیزیک مسئله شما ذاتاً ناپایدار و گذراست، RANS با آن ماهیت میانگین‌گیری‌اش، دیگر حرفی برای گفتن ندارد. LES جایی وارد میدان می‌شود که شما نیاز به دیدن رفتار لحظه‌ای جریان دارید. مثلاً:

• پیش‌بینی نویز: برای شبیه‌سازی صدای تولید شده توسط آینه بغل خودرو یا ارابه فرود هواپیما، شما باید نوسانات فشار ناشی از گردابه‌ها را مستقیماً ببینید. RANS این نوسانات را به شما نمی‌دهد.
• احتراق ناپایدار: در یک محفظه احتراق، پایداری شعله به اندرکنش بین آشفتگی و واکنش‌های شیمیایی بستگی دارد. LES می‌تواند این ساختارهای بزرگ و ناپایدار شعله را به خوبی پیش‌بینی کند.
• جریان با جدایش شدید: جریانی که از پشت یک استوانه یا یک ساختمان بلند عبور می‌کند، گردابه‌های بزرگی (Vortex Shedding) تولید می‌کند که LES به خوبی آن‌ها را ثبت می‌کند.

۶. آیا شبیه‌سازی مستقیم عددی (DNS) واقعاً یک ابزار تحقیقاتی است یا در صنعت هم کاربرد دارد؟

بله، DNS تقریباً به طور انحصاری یک ابزار تحقیقاتی است. اما این به معنی بی‌اهمیت بودن آن برای صنعت نیست. نتایج DNS به عنوان “داده‌های آزمایشگاهی عددی” عمل می‌کنند. یعنی محققان از این نتایج دقیق برای ساختن و اعتبارسنجی مدل‌های ساده‌تری مثل RANS و LES استفاده می‌کنند. پس هرچند سیمومک در پروژه‌های صنعتی مستقیماً از DNS استفاده نمیکند، اما دانشی که از این روش‌ها به دست آمده، در انتخاب و تنظیم دقیق‌تر مدل‌های کاربردی به ما کمک می‌کند.

۷. در نرم‌افزارهایی مثل انسیس فلوئنت، چه تنظیماتی برای هر مدل توربولانسی کلیدی هستند و کدام اشتباهات رایج باعث واگرایی حل می‌شوند؟

اینجا جایی است که تئوری به عمل تبدیل می‌شود و بسیاری به مشکل می‌خورند. فقط انتخاب مدل کافی نیست، تنظیمات آن هم حیاتی است. یک اشتباه رایج، نادیده گرفتن “Wall Functions” در مدل‌های k-ε است. اگر مش شما نزدیک دیواره به اندازه کافی ریز نباشد (یعنی y+ مناسب نباشد) و از تابع دیواره اشتباهی استفاده کنید، پیش‌بینی جدایش جریان کاملاً غلط از آب درمی‌آید. یکی دیگر از دلایل اصلی به مشکل خوردن شبیه‌سازی، مقداردهی اولیه (Initialization) نامناسب است که می‌تواند از همان ابتدا حل را به سمت واگرایی سوق دهد.

همگرایی و واگرایی در شبیه‌سازی عددی یک چالش همیشگی است، اما درک این تنظیمات ریسک آن را به شدت کاهش می‌دهد. برای فهمیدن اینکه این مدل‌ها از کجا آمده‌اند، مطالعه معادلات RANS به زبان ساده می‌تواند بسیار کمک‌کننده باشد.

۸. چرا کیفیت مش و پارامتر y+ برای مدل‌های RANS و LES تا این حد حیاتی است و چگونه آن را کنترل کنیم؟ 📏

مش‌بندی قلب یک شبیه‌سازی دقیق است، مخصوصاً در مدل سازی جریان های آشفته. پارامتر y+ یک عدد بی‌بعد است که فاصله اولین نود مش از دیواره را مشخص می‌کند.

• برای مدل‌های RANS که از Wall Function استفاده می‌کنند (مثل Standard k-ε): شما باید مطمئن شوید که y+ در محدوده ۳۰ تا ۳۰۰ قرار بگیرد تا اولین نود در ناحیه لگاریتمی لایه مرزی بیفتد.
• برای مدل‌های RANS که لایه مرزی را مستقیماً حل می‌کنند (مثل k-ω SST): شما باید یک y+ کوچکتر از ۱ داشته باشید تا بتوانید ناحیه لزج (viscous sublayer) را به درستی تفکیک کنید.
• برای LES: اینجا دیگر شوخی نداریم! شما باید مش بسیار ریزی در تمام جهات داشته باشید و y+ شما هم باید حتماً نزدیک به ۱ باشد.

کنترل نکردن این پارامتر مثل این است که برای اندازه‌گیری ابعاد یک میکروچیپ از خط‌کش معمولی استفاده کنید! نتایج شما قطعاً غلط خواهد بود. برای اطلاعات کامل در این زمینه، حتما مقاله راهنمای کامل Y+ (وای پلاس) در فلوئنت را مطالعه کنید.

جدول مقایسه نیازمندی‌های مش برای مدل‌های مختلف

۹. چگونه نتایج شبیه‌سازی جریان آشفته خود را با داده‌های آزمایشگاهی اعتبارسنجی کنیم تا از صحت آن‌ها مطمئن شویم؟

یک کانتور فشار یا سرعت زیبا، هیچ ارزشی ندارد اگر اشتباه باشد. در دنیای مهندسی، اعتبارسنجی همه چیز است. ساده‌ترین راه، مقایسه نتایج شما با داده‌های معتبر است. برای مثال، اگر در حال شبیه‌سازی یک ایرفویل استاندارد مثل NACA 0012 هستید، مقالات و گزارش‌های تجربی بی‌شماری وجود دارد که می‌توانید ضریب لیفت و درگ محاسبه‌شده خود را با آن‌ها مقایسه کنید. همیشه یک نمودار مقایسه‌ای بین نتایج شبیه‌سازی خودتان و داده‌های تجربی آماده کنید. این کار نه تنها به شما اطمینان می‌دهد، بلکه اعتبار کار شما را در گزارش‌ها و مقالات به شدت بالا میبرد. فرآیند کامل این کار را در مقاله چگونه نتایج شبیه‌سازی را در فلوئنت اعتبارسنجی کنیم؟ توضیح داده‌ایم. از پروژه‌های کلاسی و انجام پروژه دانشجویی فلوئنت گرفته تا سطوح پیشرفته مثل انجام پایان نامه فلوئنت و انجام پروژه انسیس فلوئنت با هندسه‌های پیچیده، تیم ما آماده انجام پروژه فلوئنت با تضمین کیفیت و آموزش کامل است.

۱۰. سیمومک چگونه با انتخاب بهینه مدل آشفتگی، هزینه‌های محاساسیاتی پروژه شما را کاهش و دقت آن را تضمین می‌کند؟

این دقیقا همان نقطه تمایز بین یک اپراتور نرم‌افزار و یک مهندس متخصص CFD است. ما در سیمومک، قبل از شروع هر پروژه‌ای، فیزیک مسئله را عمیقاً تحلیل می‌کنیم. آیا به دنبال یک پارامتر میانگین مثل افت فشار کلی هستیم یا نیاز به تحلیل نوسانات و پدیده‌های گذرا داریم؟ پاسخ به این سوال، مسیر ما را مشخص می‌کند. با انتخاب هوشمندانه بین RANS و LES، از صرف صدها ساعت پردازش غیرضروری جلوگیری کرده و در عین حال اطمینان می‌دهیم که دقت نتایج برای هدف مورد نظر، کاملاً کافی و قابل دفاع است. این تخصص و تجربه، هسته اصلی خدمات ما در زمینه انجام پروژه فلوئنت است که باعث صرفه‌جویی در زمان و هزینه برای مشتریان ما می‌شود.

۱۱. یک مثال واقعی: تحلیل مقایسه‌ای جریان روی ایرفویل با RANS و LES در سیمومک چه نتایجی به همراه داشت؟

چندی پیش پروژه‌ای برای تحلیل آیرودینامیک یک بالچه مسابقه‌ای داشتیم. در زاویه حمله پایین (مثلاً ۴ درجه)، مدل k-ω SST (یک مدل RANS) نتایجی برای ضریب لیفت به ما داد که تنها ۳٪ با داده‌های تونل باد اختلاف داشت و شبیه‌سازی حدود ۵ ساعت طول کشید. اما وقتی به زاویه حمله نزدیک به واماندگی (Stall) رسیدیم، همین مدل RANS پدیده جدایش جریان را بسیار دیرتر پیش‌بینی کرد و خطای ضریب لیفت به بالای ۱۵٪ رسید. 😕

اینجا بود که به سراغ LES رفتیم. شبیه‌سازی با LES حدود ۶۰ ساعت زمان برد، اما توانست گردابه‌های ناپایدار و لحظه دقیق جدایش جریان را به شکلی فوق‌العاده شبیه به واقعیت مدل کند و خطا را به کمتر از ۴٪ کاهش داد. این مثال به خوبی نشان می‌دهد که هر مدل، قلمرو خودش را دارد.

۱۲. چه تله‌های مرگباری در مدل‌سازی آشفتگی وجود دارد که اکثر مهندسان تازه‌کار در آن گرفتار می‌شوند؟

تجربه نشان داده چند اشتباه رایج، بارها و بارها تکرار می‌شوند و نتایج را خراب می‌کنند:

• اعتماد کورکورانه به تنظیمات پیش‌فرض: نرم‌افزار فلوئنت ابزار قدرتمندی است، اما تنظیمات پیش‌فرض آن برای همه مسائل بهینه نیست. خصوصاً در مورد طرح‌های گسسته‌سازی (Discretization Schemes) در فلوئنت، انتخاب طرح مرتبه دوم (Second Order) برای دقت بالاتر ضروری است.
• معیارهای همگرایی خیلی ساده‌انگارانه: اینکه نمودار باقی‌مانده‌ها (Residuals) به زیر 10⁻³ برسد، لزوماً به معنی رسیدن به جواب صحیح نیست. شما باید یک پارامتر فیزیکی مهم (مثل ضریب درگ) را هم مانیتور کنید تا از ثابت شدن آن مطمئن شوید. در غیر این صورت، با ۷ دلیل اصلی عدم همگرایی در فلوئنت مواجه خواهید شد.
• نادیده گرفتن کیفیت مش: همانطور که گفتیم، مش بد، جواب بد می‌دهد. همیشه قبل از اجرا، معیارهای کیفیت مش مثل Skewness و Orthogonal Quality را چک کنید.

۱۳. فراتر از RANS و LES: آیا مدل‌های هیبریدی مانند DES آینده شبیه‌سازی‌های صنعتی هستند؟

بله، مدل‌های هیبریدی مثل DES (Detached Eddy Simulation) تلاش می‌کنند تا بهترین ویژگی‌های RANS و LES را با هم ترکیب کنند. ایده اصلی این است که در نواحی نزدیک به دیواره که جریان آرام‌تر است از مدل سریع RANS استفاده شود و در نواحی دورتر که گردابه‌های بزرگ غالب هستند، از مدل دقیق‌تر LES استفاده شود. این روش‌ها روز به روز در حال محبوب‌تر شدن هستند، خصوصاً در صنایع هوافضا و خودروسازی، چون تعادل بسیار خوبی بین هزینه و دقت ارائه می‌دهند.

۱۴. چک‌لیست نهایی سیمومک: قبل از اجرای شبیه‌سازی آشفتگی چه مواردی را باید کنترل کنید؟

قبل از فشردن دکمه “Calculate”، همیشه این لیست را مرور کنید. این کار می‌تواند شما را از ساعت‌ها کار بیهوده نجات دهد:

✅ کیفیت مش: آیا Skewness زیر ۰.۹ و Orthogonal Quality بالای ۰.۱ است؟
✅ پارامتر y+: آیا مقدار آن با مدل توربولانسی انتخابی شما همخوانی دارد؟
✅ شرایط مرزی: آیا مقادیر ورودی و خروجی منطقی و درست تعریف شده‌اند؟ نگاهی به راهنمای کامل شرایط مرزی در فلوئنت بیندازید.
✅ مدل‌های فیزیکی: آیا مدل آشفتگی، انتقال حرارت و… به درستی انتخاب شده‌اند؟
✅ تنظیمات حلگر: آیا طرح‌های گسسته‌سازی مرتبه دوم انتخاب شده‌اند؟
✅ مقداردهی اولیه: آیا حل را به درستی Initialize کرده‌اید؟
✅ ذخیره‌سازی: آیا فایل Case را قبل از شروع حل ذخیره کرده‌اید؟ (یک اشتباه ساده و فاجعه‌بار!)

۱۵. بالاخره برای پروژه مهندسی مکانیک شما کدام مدل آشفتگی بهترین انتخاب است؟

بیایید یک جمع‌بندی سریع داشته باشیم. از خودتان بپرسید:

• آیا فقط به نتایج میانگین و پایدار نیاز دارم و زمانم محدود است؟ به احتمال ۹۰٪، یک مدل RANS پیشرفته مثل k-ω SST یا Realizable k-ε کار شما را راه می‌اندازد.
• آیا فیزیک مسئله شامل نوسانات، تولید صدا، جدایش شدید جریان یا احتراق ناپایدار است؟ اینجا باید هزینه کنید و به سراغ LES بروید.
• آیا در حال انجام یک تحقیق بنیادی برای مقطع دکتری یا بالاتر هستید و به سوپرکامپیوتر دسترسی دارید؟ DNS می‌تواند گزینه‌ی شما باشد.

۱۶. آماده‌اید تا پروژه پیچیده CFD خود را با مشاوره تخصصی و اجرای دقیق سیمومک به نتیجه برسانید؟

انتخاب و پیاده‌سازی صحیح این مدل‌ها، فراتر از چند کلیک در نرم‌افزار است. این فرآیند نیازمند درک عمیق فیزیک جریان و تجربه عملی در برخورد با چالش‌های واقعی است. در نهایت، یک مدل سازی جریان آشفته موفق، ترکیبی از دانش تئوری عمیق و تجربه عملی است که از دل صدها پروژه به دست آمده. اگر می‌خواهید از ابتدا مسیر درستی را طی کنید، می‌توانید نگاهی به مراحل گام به گام انجام یک پروژه در فلوئنت بیندازید که مسیر کلی کار را برای شما روشن می‌کند. برای اطمینان از کیفیت و دقت نتایج، می‌توانید از خدمات انجام پروژه انسیس فلوئنت ما استفاده کنید. همچنین برای پروژه‌های حساس، امکان عقد قرارداد و انجام پروژه فلوئنت در تهران به صورت حضوری و یا انجام پروژه فلوئنت به صورت آنلاین برای سراسر کشور فراهم است.

سوالات متداول

۱. تفاوت اصلی بین RANS و LES به زبان ساده چیست؟
پاسخ: RANS یک تصویر میانگین و کلی از جریان به شما می‌دهد (مثل عکس با نوردهی طولانی) که سریع اما کم‌جزئیات است. LES گردابه‌های بزرگ را مستقیماً شبیه‌سازی می‌کند و تصویر دقیق‌تر و پویاتری از جریان ارائه می‌دهد که البته بسیار پرهزینه‌تر است.

۲. چرا LES اینقدر هزینه محاسباتی بالایی دارد؟
پاسخ: چون برای ثبت گردابه‌های بزرگ، به مش بسیار ریزتر در فضا و گام‌های زمانی بسیار کوچکتر در زمان نیاز دارد. این دو عامل با هم، حجم محاسبات را به صورت تصاعدی افزایش می‌دهند.

۳. آیا برای شبیه‌سازی آیرودینامیک یک خودرو، RANS کافی است؟
پاسخ: برای محاسبه ضرایب درگ و لیفت در حالت پایدار، مدل‌های RANS مانند k-ω SST معمولاً دقت بسیار خوبی دارند و کافی هستند. اما اگر هدف، تحلیل تولید نویز (آیروآکوستیک) باشد، حتماً به سراغ LES یا مدل‌های هیبریدی باید رفت.

۴. در نرم‌افزار انسیس فلوئنت، این مدل‌ها کجا قرار دارند؟
پاسخ: در پنجره Viscous Model می‌توانید بین گزینه‌های مختلف k-epsilon, k-omega (برای RANS) و Large Eddy Simulation (برای LES) انتخاب کنید. DNS به عنوان یک گزینه مستقیم وجود ندارد چون نیازمند تنظیمات خاص و حل مستقیم معادلات ناویر-استوکس بدون هیچ مدلی است.

۵. آیا می‌توانم از یک مدل RANS برای یک شبیه‌سازی گذرا (Transient) استفاده کنم؟
پاسخ: بله، این روش URANS (Unsteady RANS) نام دارد. این روش نوسانات بزرگ و میانگین جریان را در زمان نشان می‌دهد، اما قادر به ثبت گردابه‌های کوچک و سریع آشفتگی نیست. برای پدیده‌هایی مثل Vortex Shedding می‌تواند مفید باشد.

۶. کدام مدل RANS برای جریان‌های نزدیک دیواره بهتر است؟
پاسخ: به طور کلی، مدل k-ω SST به دلیل ترکیب مزایای مدل‌های k-ε (برای جریان دور از دیواره) و k-ω (برای جریان نزدیک دیواره)، بهترین عملکرد را در پیش‌بینی لایه مرزی و جدایش جریان دارد.

۷. آیا DNS در صنعت هیچ کاربردی ندارد؟
پاسخ: به صورت مستقیم تقریباً هرگز. اما نتایج دقیق DNS به عنوان یک “بنچمارک طلایی” برای توسعه و اعتبارسنجی مدل‌های ارزان‌تر RANS و LES استفاده می‌شود. پس به طور غیرمستقیم، در بهبود ابزارهایی که ما روزمره استفاده می‌کنیم نقش حیاتی دارد.

۸. اگر همزمان هم به دقت LES و هم به سرعت RANS نیاز داشته باشم چه؟
پاسخ: در این حالت، مدل‌های هیبریدی مانند DES (Detached Eddy Simulation) یا SAS (Scale-Adaptive Simulation) بهترین گزینه هستند. این مدل‌ها به صورت هوشمند بین RANS و LES سوئیچ می‌کنند.

۹. آیا همیشه y+ کمتر از ۱ بهترین حالت است؟
پاسخ: خیر! این تصور اشتباهی است. برای مدل‌هایی که از توابع دیواره (Wall Functions) استفاده می‌کنند مانند Standard k-ε، مقدار y+ باید در محدوده ۳۰ تا ۳۰۰ باشد. y+ < 1 فقط برای مدل‌هایی که لایه مرزی را مستقیماً حل می‌کنند (مثل k-ω SST) ضروری است.

۱۰. اگر در انتخاب مدل شک داشتم، از کجا شروع کنم؟
پاسخ: همیشه از ساده‌ترین مدل شروع کنید. یک شبیه‌سازی سریع با یک مدل RANS قوی (مثل k-ω SST) انجام دهید. اگر نتایج با فیزیک مسئله یا داده‌های اولیه شما همخوانی داشت، احتمالاً کافی است. اگر نه، آنگاه به سراغ مدل‌های پیچیده‌تر بروید.