ccitonline.com

CCIT – Cara Cerdas Ingat Tuhan

| AI-DAI5 | DAI5 AI Agents | NIC | ZWI | | CCITEdu | DAI5 eBook | CFDSOF | Donation | Download | CCIT Corporation | DAI5 | 33 Kriteria Evaluasi Penerapan DAI5 | Search |

Simulasi CFDSOF 2D bagaimana pemodelan conductivitas panas pada wall – reza Juniawan (2306155470)

Assalamulaikum, perkenalkan nama saya reza juniawan dengan NPM : 2306155470. Pada suatu malam yang tenang dan hujan (dan sedikit dikejar deadline), saya mencoba melakukan simulasi heat conduction 2D menggunakan CFDSOF. Awalnya, saya kira ini hanya kelanjutan dari simulasi 1D yang sebelumnya sudah saya coba, tapi ternyata ada beberapa tantangan tambahan yang membuat saya berpikir lebih dalam. Dengan bantuan kerangka DAI5, saya coba menjelaskan lebih lanjut mengenai simulasi 2D ini.

1. Kesadaran Diri: Kenapa Ini Menarik?

Sejujurnya, sebelum mulai simulasi, saya sempat bertanya-tanya: “Kenapa sih kita harus repot-repot mensimulasikan konduksi panas dalam dua dimensi?” Tapi begitu mulai menjalankan simulasi, saya sadar bahwa tanpa visualisasi dan angka-angka yang jelas, sulit membayangkan bagaimana panas menyebar di suatu objek. CFDSOF di sini benar-benar membantu, bukan hanya untuk mendapatkan angka, tapi juga untuk memberikan gambaran bagaimana suatu sistem berperilaku di dunia nyata.

2. Niat dan Tujuan: Apa yang Mau Dicari?

Saya tidak ingin sekadar menjalankan simulasi tanpa arah. Tujuan saya adalah melihat bagaimana panas menyebar dalam sebuah pelat 1×1 meter dengan berbagai kondisi batas. Selain itu, saya ingin tahu apakah ada pola yang bisa saya ambil dari hasilnyaโ€”apakah distribusi panasnya linear, eksponensial, atau ada kejutan lain yang tidak terduga.

3. Langkah Awal: Menentukan Pendekatan

Pertama, saya perlu memastikan model yang saya buat di CFDSOF sesuai dengan kasus yang ingin saya analisis. Saya menetapkan:

  • Ukuran domain 12×12 cell
  • Membagi pelat menjadi grid yang cukup detail agar hasil simulasi lebih akurat.
  • Mengatur empat sisi pelat dengan kondisi batas yang berbeda-bada yang diberi suhu tetap, ada yang diberi fluks panas, dan ada yang dibiarkan sebagai isolasi.
  • Menggunakan metode numerik yang stabil agar perhitungan tidak โ€˜meledakโ€™ (ini pernah kejadian sebelumnya, dan hasilnya kacau balau).

4. Proses Simulasi: Menjalankan dan Mengatasi Masalah

Setelah semua parameter siap, saya menjalankan simulasi dengan iterasi awal 1000 kali. Awalnya, saya pikir ini akan berjalan mulus, tapi di iterasi ke-200-an, saya mulai melihat sesuatu yang aneh temperatur di beberapa titik naik terlalu tinggi dibanding ekspektasi. Setelah dicek ulang, ternyata ada kesalahan dalam pemberian nilai properti material. Setelah diperbaiki, hasilnya mulai masuk akal.

Salah satu hal menarik yang saya temui adalah titik konvergensi simulasi ini ternyata terjadi di sekitar iterasi ke-885. Artinya, setelah iterasi tersebut, perubahan nilai temperatur antar titik sudah tidak signifikan lagi. Ini jadi pelajaran buat saya untuk tidak sembarang menentukan jumlah iterasiโ€”kadang lebih banyak tidak selalu berarti lebih baik.

5. Mengolah Hasil: Data dan Visualisasi

Setelah simulasi selesai, saya mendapatkan data dalam bentuk tabel CSV yang berisi hubungan antara posisi dan temperatur. Data mentah ini kemudian saya proses lebih lanjut dengan curve fitting untuk mencari persamaan yang paling sesuai. Saya mencoba fitting polinomial derajat 2 sebagai pendekatan awal, meskipun masih ada kemungkinan metode lain seperti spline atau eksponensial bisa memberikan hasil yang lebih baik.

Agar lebih mudah dipahami, saya juga membuat grafik interaktif menggunakan Plotly.js. Dengan ini, saya bisa melihat bagaimana perubahan temperatur terjadi pada berbagai titik tanpa harus membaca angka-angka di tabel satu per satu.

6. Kesimpulan dan Refleksi: Apa yang Bisa Dipelajari?

Dari simulasi ini, ada beberapa hal yang saya pelajari:

  • Simulasi CFD bukan sekadar memasukkan angka dan mendapatkan hasil; pemahaman terhadap fenomena fisis sangat penting agar interpretasi data tidak keliru.
  • Menentukan kondisi batas yang realistis sangat krusial dalam mendapatkan hasil yang masuk akal.
  • Visualisasi sangat membantu dalam memahami distribusi panas dibanding hanya melihat angka di tabel.

Selain itu, saya juga sadar bahwa kesalahan itu hampir tidak bisa dihindari, terutama saat pertama kali menjalankan simulasi. Yang penting adalah bagaimana kita bisa menemukan sumber kesalahan tersebut dan memperbaikinya.

Jadi, apakah saya puas dengan hasil ini? Sejujurnya, masih ada beberapa hal yang ingin saya eksplorasi lebih lanjut, seperti mencoba metode fitting lain atau membandingkan hasil ini dengan eksperimen nyata. Tapi untuk saat ini, saya cukup puas karena setidaknya saya semakin memahami bagaimana panas menyebar dalam suatu objek, bukan hanya sebagai konsep teori, tapi juga dalam bentuk simulasi yang lebih nyata.

Berikut simulasi dalam bentuk Video untuk CFDsof 2d.

Berikut Curve fitting dalam bentuk HTML yang di dapat dengan bantuan AI

Curve Fitting Plot


Leave a Reply

Your email address will not be published. Required fields are marked *