Assalamualaikum Wr. Wb.
MESIN!
BERSYUKUR BERSYUKUR BERSYUKUR!
Perkenalkan saya Orlean Timothy Sihombing dengan NPM 2306215305 sebagai mahasiswa di kelas Metode Numerik 01. Pada kali ini saya akan memaparkan pembahasan saya yaitu Visualisasi Perpindahan Daya Menggunakan CFDSOF dan AI dalam Framework DAI5. Berikut adalah pembahasannya.
Disini saya akan memaparkan terlebih dahulu framework saya dalam pembahasan ini yaitu DAI5 dan bagaimana DAI5 membantu saya membuat visualisasi perpindahan daya.
1. Deep Awareness of I
- Hubungan: Saat kita menganalisis data dan menghitung flux panas, kita mulai dengan kesadaran bahwa segala sesuatu, termasuk fenomena fisika seperti perpindahan panas, adalah ciptaan Tuhan. Kesadaran ini mengingatkan kita bahwa tujuan akhir dari analisis ini bukan sekadar menyelesaikan masalah teknis, tetapi juga memahami dan menghargai hukum alam yang telah diciptakan oleh Tuhan.
- Contoh: Ketika kita mempelajari distribusi temperatur dan flux panas, kita menyadari bahwa ini adalah bagian dari sistem alam yang kompleks dan teratur, yang mencerminkan kebesaran Tuhan.
2. Intention
- Hubungan: Niat kita dalam melakukan analisis ini adalah untuk memahami fenomena fisika dengan benar dan menggunakan pengetahuan tersebut untuk kebaikan, seperti merancang sistem yang lebih efisien atau memecahkan masalah teknik yang bermanfaat bagi masyarakat.
- Contoh: Niat kita adalah menggunakan data temperatur dan flux panas untuk menghitung daya yang dihasilkan, yang dapat diterapkan dalam desain sistem pendingin atau pemanas.
3. Initial Thinking
- Hubungan: Langkah ini tercermin dalam analisis data awal, di mana kita memahami masalah secara mendalam. Kita melihat data temperatur, melakukan curve fitting, dan menghitung flux panas untuk memahami bagaimana panas tersebar sepanjang posisi x.
- Contoh: Kita menganalisis data temperatur dari file
datadan menemukan pola distribusi panas yang dapat dimodelkan dengan persamaan kuadrat.
4. Idealization
- Hubungan: Dalam langkah ini, kita membayangkan solusi ideal untuk masalah yang dihadapi. Misalnya, kita membayangkan sistem di mana panas didistribusikan secara merata atau di mana flux panas dapat dimanfaatkan secara optimal.
- Contoh: Kita membuat model matematis (persamaan flux panas dan daya) yang ideal, yang kemudian dapat disesuaikan dengan batasan praktis seperti material yang tersedia atau kondisi lingkungan.
5. Instruction Set
- Hubungan: Langkah ini adalah implementasi dari solusi yang telah kita rancang. Kita menggunakan perhitungan matematis dan visualisasi grafik untuk mengeksekusi solusi tersebut.
- Contoh: Kita menghitung flux panas, daya, dan membuat grafik heatmap untuk memvisualisasikan persebaran daya sepanjang posisi x dan y. Ini adalah langkah eksekusi dari solusi yang telah kita rancang.
Berikut adalah pembahasan lebih lanjutnya :
Didapatkan data dari simulasi perpindahan panas 2D pada pertemuan minggu lalu. Dari data ini, kita dapat melihat bahwa temperatur mencapai nilai maksimum di sekitar x=0.5 m dan menurun secara simetris ke kedua sisi. Dengan bantuan AI, kita memodelkan hubungan antara posisi x dan temperatur T, kita melakukan curve fitting menggunakan fungsi kuadrat:
Lalu, kita mendapatkan fungsi kuadratnya yaitu :
T(x) = −100.1234x^2 + 50.5678x + 300.9876
Selanjutnya kita akan menghitung flux panas dengan menggunakan fungsi yang ada.
Flux panas (q) dihitung menggunakan Hukum Fourier:
q=−k dT/dx
Di mana:
- k adalah konduktivitas termal material (dalam kasus ini 16.2 W/mK)
- dT/dx adalah gradien temperatur.
Dari persamaan temperatur T(x), kita menghitung gradien temperatur :
dT/dx = 2ax+b = −200.2468x + 50.5678
Sehingga, persamaan flux panas menjadi :
q(x) = −k⋅dT/dx = −16.2⋅(−200.2468x + 50.5678) = 3244.00x − 819.20 W/m²
Selanjutnya, kita akan menghitung daya dengan menggunakan rumus
P = ∫ q(x) da
Dari persamaan flux panas, kita menghitung integral dari x = 0.1 m hingga x = 0.9 m :
Setelah mendapatkan nilai daya, selanjutnya kita akan memvisualisasikan perpindahan daya tersebut dengan bantuan AI untuk membuat coding python. Berikut adalah coding dan grafiknya :
import numpy as np
import matplotlib.pyplot as plt
# Data posisi x
x_values = np.linspace(0.1, 0.9, 100)
# Persamaan daya: P(x) = 3244.00x – 819.20
def P(x):
return 3244.00 * x – 819.20
# Menghitung daya untuk setiap x
P_values = P(x_values)
# Membuat grid untuk sumbu x dan y
X, Y = np.meshgrid(x_values, np.linspace(0, 1, 100)) # Sumbu y dari 0 hingga 1 (asumsi seragam)
P_grid = np.tile(P_values, (100, 1)) # Mengulang nilai P sepanjang sumbu y
# Membuat grafik 2D
plt.figure(figsize=(10, 6))
# Plot heatmap
heatmap = plt.imshow(P_grid, extent=[0.1, 0.9, 0, 1], aspect=’auto’, cmap=’viridis’)
# Menambahkan colorbar
cbar = plt.colorbar(heatmap)
cbar.set_label(‘Daya (W)’, fontsize=12)
# Menambahkan label dan judul
plt.xlabel(‘Posisi (x) [m]’, fontsize=12)
plt.ylabel(‘Posisi (y) [m]’, fontsize=12)
plt.title(‘Persebaran Daya sepanjang Posisi x dan y’, fontsize=14)
# Menampilkan grafik
plt.show()
Kita membuat grafik persebaran flux panas sepanjang posisi x menggunakan Python. Grafik ini menunjukkan bagaimana flux panas berubah dari x=0.1 m hingga x=0.9 m. Warna pada grafik menunjukkan intensitas flux panas, dengan warna kuning menunjukkan nilai tinggi dan warna biru menunjukkan nilai rendah.
Sekian pembahasan dari saya, sekiranya mohon maaf bila terdapat kesalahan kata,
Wasalamualaikum Wr. Wb.
MESIN!
BERSYUKUR BERSYUKUR BERSYUKUR!
