← Volver a proyectos
Proyecto terminado — Instituto Velázquez

Monitorización de CO2 — Instituto Velázquez

Investigación, diseño y despliegue de un sistema de monitorización de CO2 en 40 aulas del Instituto Velázquez durante la pandemia: motivación científica, prototipado, resultados, guía de uso y firmware para réplica DIY.

Medidor Medusa_CO2 con batería
Fig. 1 — Medidor Medusa_CO2 con batería, listo para desplegar en aula.

Por qué medir CO2

01

Según guías de la Universidad de Harvard y el CSIC, una estancia se considera bien ventilada entre 800-950 ppm de CO2 (el exterior ronda 400-420 ppm); por encima de 1000 ppm la ventilación es insuficiente. La renovación de aire (ACH, Air Changes per Hour) recomendada para un aula de 100m² con 25 alumnos de 5-8 años es de 5-6 renovaciones/hora.

El CO2 no es el patógeno en sí, pero sirve como indicador indirecto: si hay 800 ppm, aproximadamente el 1% del aire respirado ya fue exhalado por alguien antes. Estudios de la Universidad de Sevilla confirman que las aulas mediterráneas con ventilación natural superan habitualmente el máximo recomendado por la OMS.

800-950 ppm bien ventilado 5-6 ACH recomendado Guía Harvard / CSIC

El problema en el instituto

02

Los contagios obligaban a confinar alumnos y docentes, generando desigualdad entre quienes asistían presencialmente y quienes debían seguir las clases desde casa. Con ratios de hasta 30 alumnos por aula, el CO2 podía alcanzar niveles críticos.

Se planteó además como oportunidad educativa: alumnos de últimos cursos podían evaluar la ventilación como proyecto STEM.

Diseño y prototipos

03
TERMINADO
Sensores NDIR
MH-Z19 · MH-Z14
Sensor de precisión
Sensirion SCD30 · ±30 ppm
Emplazamiento
> 2m de ocupantes

Se construyeron varios prototipos con sensores NDIR (infrarrojo no dispersivo): MH-Z19 y MH-Z14 sobre Arduino, y un tercero con el sensor Sensirion SCD30 (más preciso, ±30 ppm) sobre placa TTGO ESP32 + OLED color. Se diseñó una caja mediante CAD e impresión 3D.

El punto de emplazamiento en el aula se eligió alejado de ventanas/puertas y corrientes de aire, a más de 2m de los ocupantes, a la altura de los alumnos sentados.

MH-Z19 / MH-Z14 / SCD30 Tecnología de sensor NDIR TTGO ESP32 + OLED Caja CAD impresa en 3D
Sensor de CO2 MH-Z19B
MH-Z19B
Sensor de CO2 MH-Z14A
MH-Z14A
Caja de prototipo CAD
Caja — prototipo CAD
Emplazamiento en aula
Emplazamiento en aula
Prototipo con Sensirion SCD30
Prototipo SCD30 + OLED
Fig. 2 — Sensores NDIR MH-Z19B/MH-Z14A, caja de prototipo impresa en 3D, emplazamiento en aula y prototipo final con sensor Sensirion SCD30.

Despliegue y registro de datos

04
TERMINADO
Aula analizada
30 alumnos · 6.65×6.80×3.40m
Pico registrado
400 → 1370+ ppm
ACH experimental
7.41 vs. 7.59 teórico

Además del envío automático a ThingSpeak, el delegado de cada clase registraba manualmente cada hora la concentración de CO2, el número de alumnos y el estado de puertas/ventanas. El análisis de un aula tipo (30 alumnos, 6,65×6,80×3,40m) mostró cómo el CO2 subía de 400 a más de 1370 ppm al cerrar puertas y ventanas, y bajaba a 400 ppm en los recreos.

El índice de renovación de aire (ACH) se validó experimentalmente mediante regresión lineal sobre la curva de decaimiento del CO2, obteniendo 7,41 renovaciones/hora frente a las 7,59 calculadas por la guía teórica.

Registro manual horario ACH por regresión lineal Datos exportables CSV/XLS
Gráfica de CO2 en el aula 11
Evolución de CO2 — aula 11
Regresión lineal de la curva de decaimiento
Regresión lineal — ACH
Fig. 3 — Evolución horaria de CO2 en un aula tipo y regresión lineal sobre la curva de decaimiento para calcular el ACH real.

Resultados esperados y limitaciones

05

El objetivo: mejorar el rendimiento académico, reducir el riesgo de contagio y aumentar el confort térmico, mediante una red de sensores que mapee el CO2 del centro en tiempo real (aulas, pasillos, biblioteca, sala de profesores).

Limitaciones reconocidas: el CO2 no se degrada igual que un virus en el aire, la emisión de partículas al hablar/gritar/cantar no es proporcional a la de CO2, y la emisión de CO2 por persona varía con edad, sexo, peso y actividad metabólica — el CO2 es un proxy útil, no una medida directa de riesgo de contagio.

Producto final: MedusaCO2

06
TERMINADO
Medusa_CO2
40×83×21mm · 40g
Medusa_CO2_batería
40×83×40mm · 93g
Sensor
Sensirion SCD30

Dos modelos finales: Medusa_CO2 (sensor Sensirion SCD30, placa LILYGO TTGO T-Display ESP32, pantalla color 1.14", USB-C, 40×83×21mm, 40g) y Medusa_CO2_batería (misma base con batería Li-ion 18650 3000mAh recargable por USB-C, 40×83×40mm, 93g).

Caja diseñada e impresa en 3D sin necesidad de tornillos, para montaje sencillo.

Sensirion SCD30 LILYGO TTGO T-Display 40x83x21mm · 40g Batería 18650 opcional
→ Descargar manual (PDF)
Medidor Medusa_CO2 terminado
Medusa_CO2
Medidor Medusa_CO2 con módulo de batería
Medusa_CO2_batería
Fig. 4 — Los dos modelos finales: Medusa_CO2 y Medusa_CO2_batería, con caja impresa en 3D sin tornillos.

El dispositivo

07
TERMINADO
Encendido
~30s inicialización
Umbral amarillo
700 PPM
Umbral alarma
900 PPM

El medidor se enciende y tras 30 segundos de inicialización del sensor muestra en pantalla CO2, temperatura, humedad, batería, alarma y estado wifi. La lectura cambia de verde a amarillo a los 700 PPM y a rojo con alarma sonora a los 900 PPM (umbrales configurables).

Tiene tres botones: A y B en el frontal, R (reset) arriba. La alarma se desactiva manteniendo pulsado B más de 10 segundos.

CO2 · Temp · Humedad Batería + estado WiFi Alarma sonora
Pantalla del medidor
Pantalla — lectura CO2
Botones del medidor
Botones A / B / R
Manual de botones y batería
Manual — botones y batería
Fig. 5 — Pantalla de estado, disposición de los tres botones y manual resumido de uso y batería.

Calibración

08
TERMINADO
Referencia
410 PPM
Auto-calibración
ASC · ~7 días
Manual
Botón A · 10s / IP remota

La calibración debe hacerse en ambiente limpio (referencia 410 PPM). El sensor trae calibración automática (ASC) sobre ~7 días sin desenchufar, con exposición periódica a aire limpio.

La calibración manual se hace pulsando A más de 10 segundos, o remotamente accediendo a la IP del dispositivo (obtenible con pulsación corta de A) desde la misma red.

ASC automático Calibración remota por IP
Calibración manual, botón A
Calibración manual — botón A
Calibración remota por IP
Calibración remota — IP
Fig. 6 — Calibración manual mediante el botón A y calibración remota accediendo a la IP del dispositivo en red.

Conexión wifi

09
TERMINADO
Modo config.
Doble pulsación R
Red temporal
MedusaIoT
Panel
192.168.0.4

Pulsando dos veces el botón R se entra en modo configuración, que crea una red wifi «MedusaIoT» abierta. Al conectarse se abre (o se accede manualmente en 192.168.0.4) el panel donde se elige la red wifi de destino, se introducen los umbrales de alarma y las credenciales del canal ThingSpeak (Write API Key y Channel ID).

WiFiManager ThingSpeak Write Key Channel ID
Modo configuración
Modo configuración
Selección de red wifi
Selección de red
Umbrales y credenciales ThingSpeak
Umbrales y credenciales
Fig. 7 — Secuencia de configuración: modo AP, selección de red y panel de umbrales/credenciales ThingSpeak.

Envío a ThingSpeak

10
TERMINADO
Plataforma
ThingSpeak
Por sensor
1 canal + 1 write key
Alertas
Email por umbral

Los datos se envían a ThingSpeak (cuenta gratuita), que asigna un canal y clave de escritura por sensor. Se configuraron alertas por email automáticas cuando un canal supera un valor de CO2 determinado.

ThingSpeak API Alertas por email
Canal de ThingSpeak con los datos de CO2 del aula
Clave de escritura (Write API Key) de ThingSpeak
Write API Key
Alerta por email configurada en ThingSpeak
Alerta por email
Fig. 8 — Canal ThingSpeak asignado por sensor, clave de escritura y configuración de alerta por email.

Dashboard y análisis

11
TERMINADO
Aulas
40
URL
medusaiot.org/medidas-co2
Histórico
Última hora por aula

Para visualizar las 40 aulas del instituto se construyó un dashboard propio (medusaiot.org/medidas-co2) mostrando el estado de cada aula y, al seleccionarla, la evolución de CO2 de la última hora.

Dashboard propio 40 aulas
Mapa de aulas
Vista general
Estado por aula
Estado por aula
Evolución CO2
Evolución — última hora
Detalle de aula
Detalle de aula
Fig. 9 — Dashboard de las 40 aulas del Instituto Velázquez, con detalle de evolución de CO2 por aula.

Calibración automática con Python

12
TERMINADO
Librerías
requests + Selenium
Umbral
< 410 PPM
Distribución
PyInstaller (.exe)

Se automatizó la calibración periódica (fuera de horario lectivo, aulas ventiladas) con un script Python: usa requests contra la API de ThingSpeak para leer las PPM de cada sensor por IP, y Selenium para pulsar el botón de calibrado en la web de cada dispositivo si está por debajo de 410 PPM.

Genera un log y lo envía por email. Empaquetado con PyInstaller como ejecutable para no requerir Python instalado en el equipo que ejecuta la tarea programada.

Python Selenium PyInstaller Log por email
Script de calibración automática
Fig. 10 — Ejecución del script de calibración automática: lectura por IP, comparación con el umbral y registro en log.

Hazte tu propio dispositivo

13
DIY
Controlador
NodeMCU Lolin V3
Sensor
MH-Z14A
Pantalla
OLED 1.3" 128×64

Analizador basado en ESP8266/ESP32 con sensor MH-Z14A. Material: NodeMCU Lolin V3, sensor MH-Z14A, pantalla OLED 1.3" 128×64, LED RGB, 4 resistencias 220Ω, micropulsador de calibración.

El firmware (Arduino) está disponible para descarga, junto con el mismo esquema aplicable al sensor MH-Z19B.

ESP8266 / ESP32 MH-Z14A / MH-Z19B OLED 1.3" 128×64 Firmware Arduino
→ Descargar firmware (.zip)
Esquema de conexión
Esquema de conexión
Montaje final
Montaje final
Fig. 11 — Esquema de conexión NodeMCU + MH-Z14A + OLED y montaje final del analizador DIY.

Agradecimientos

Este proyecto no habría sido posible sin la implicación de Antonio Barrios, Mercedes García de Casasola, Adolfo Martínez, Manuela Gordillo y Fernando Carrillo, así como del alumnado del centro que participó activamente en su desarrollo y despliegue, y de la Asociación de Madres y Padres de Alumnos (AMPA) del instituto.

El proyecto contó además con una campaña de financiación colectiva en Goteo, impulsada por el AMPA Pila del Pato.