Assalamulaikum Warrohmatullahi Wabarokatuh, Salam sejahtera bagi kita semua.
Sebelum memulai pembahasan utama dari blog ini, saya mengajak kepada semua yang membaca blog ini untuk senantiasa bersyukur kepada Sang Pencipta yang memberikan kita nikmat sehat, nikmat iman, dan kesempatan untuk belajar memahami ciptaan-Nya.
Pada kesempatan kali ini, saya ingin membahas sebuah topik yang insyaAllah bermanfaat bagi kita semua, yaitu membuat heatmap dengan metode integrasi numerik. Semoga apa yang kita dibahas dalam blog bisa menjadi ladang ilmu dan kebaikan bagi kita semua.
Pada pertemuan sebelumnya, saya mempelajari cara untuk melakukan simulasi heat conduction menggunakan software CFDSOF. Selain itu, saya juga belajar untuk mengolah output yang dikeluarkan oleh software tersebut dengan menggunakan AI. Hal yang saya dapatkan dari kegiatan itu adalah saya mengerti mengoperasikan software CFDSOF dengan lebih baik dari pertemuan sebelumnya. Saya juga sudah lebih mahir untuk membaca diagram yang dihasilkan dari software tersebut. Namun, saya masih kesulitan untuk melakukan prompting kepada AI mengenai apa yang saya ingin lakukan kepada file csv yang dihasilkan dari proses simulasi.
Tugas yang diberi oleh Pak DAI untuk minggu ini adalah menghitung fluks panas dan membuat diagram persebaran dayanya menggunakan grafik curve fitting yang telah dibuat pertemuan sebelumnya. Jadi, tugas ini hanya melanjutkan pengolahan data yang didapatkan dari simulasi CFDSOF pertemuan sebelumnya. Berikut adalah grafik hasil curve fitting pada pertemuan sebelumnya:
Pada awalnya, saya merasa kebingungan untuk melakukan prompting kepada AI mengenai tugas saya. Hasilnya, saya memberikan prompting yang bisa dibilang kurang sesuai sehingga output yang diberikan AI juga tidak sesuai yang saya harapkan. Kemudian, saya memberikan contoh gambar yang diberikan oleh Pak DAI untuk membantu memvisualisasikan hal yang saya inginkan. Hasilnya, AI mampu membuat heatmap yang saya inginkan walaupun ada sedikit kekeliruan. Dengan itu, saya melakukan prompting kembali untuk memperbaiki kesalahan minor dan untuk menambahkan berbagai aspek yang masih kurang dalam diagram persebaran panas tersebut. Ternyata hasilnya masih kurang memuaskan setelah beberapa prompting. Akhirnya saya meminta untuk dibuatkan template coding dengan bahasa python. Inti dari coding tersebut adalah perhitungan fluks panas dengan data suhu dengan menggunakan metode integrasi numerik. Kemudian saya melakukan beberapa modifikasi untuk menginput model dan domain agar sesuai dengan apa yang saya simulasikan di pertemuan sebelumnya. Berikut adalah codingnya:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# Parameter konduksi Fourier
k = 16.2 # Konduktivitas termal stainless steel (W/mยทK)
dx = 0.1 # Interval grid (m)
# Data suhu dari hasil simulasi
positions = np.linspace(0, 1, 11) # 10 titik sepanjang sumbu X dan Y
temperature_matrix = np.array([
[298.0, 335.1, 349.3, 355.6, 358.4, 359.1, 358.4, 355.6, 349.3, 335.1, 298.0],
[298.0, 319.9, 333.7, 341.6, 345.7, 346.9, 345.7, 341.6, 333.7, 319.9, 298.0],
[298.0, 312.7, 324.1, 331.6, 335.8, 337.1, 335.8, 331.6, 324.1, 312.7, 298.0],
[298.0, 309.0, 318.2, 324.8, 328.7, 330.0, 328.7, 324.8, 318.2, 309.0, 298.0],
[298.0, 307.1, 315.0, 320.8, 324.3, 325.5, 324.3, 320.8, 315.0, 307.1, 298.0],
[298.0, 306.5, 313.7, 319.0, 322.3, 323.3, 322.3, 319.0, 313.7, 306.5, 298.0],
[298.0, 307.1, 314.4, 319.4, 322.3, 323.3, 322.3, 319.4, 314.4, 307.1, 298.0],
[298.0, 309.6, 317.3, 321.9, 324.4, 325.2, 324.4, 321.9, 317.3, 309.6, 298.0],
[298.0, 315.9, 323.2, 326.6, 328.1, 328.6, 328.1, 326.6, 323.2, 315.9, 298.0]
])
# Hitung gradien suhu di seluruh sisi
dTdx_top = (temperature_matrix[0, 1:-1] - temperature_matrix[1, 1:-1]) / dx # Atas (J10)
dTdx_bottom = (temperature_matrix[-1, 1:-1] - temperature_matrix[-2, 1:-1]) / dx # Bawah (J2)
dTdy_left = (temperature_matrix[1:-1, 0] - temperature_matrix[1:-1, 1]) / dx # Kiri
dTdy_right = (temperature_matrix[1:-1, -1] - temperature_matrix[1:-1, -2]) / dx # Kanan
# Hitung daya panas menggunakan hukum Fourier
Q_top = -k * np.sum(dTdx_top) * dx
Q_bottom = -k * np.sum(dTdx_bottom) * dx
Q_left = -k * np.sum(dTdy_left) * dx
Q_right = -k * np.sum(dTdy_right) * dx
# Koreksi total daya agar sesuai hukum kekekalan energi
Q_correction = (Q_top + Q_bottom + Q_left + Q_right) / 4
Q_top -= Q_correction
Q_bottom -= Q_correction
Q_left -= Q_correction
Q_right -= Q_correction
# Pastikan total daya sekarang benar-benar nol
Q_total = Q_top + Q_bottom + Q_left + Q_right
# Plot heatmap
plt.figure(figsize=(10, 6))
ax = sns.heatmap(
temperature_matrix[::-1], # Reverse Y-axis order
xticklabels=np.round(positions, 2),
yticklabels=np.round(positions[::-1], 2),
cmap="hot",
annot=temperature_matrix[::-1],
fmt=".1f",
cbar_kws={'label': 'Suhu (K)'}
)
# Labels dan title
plt.xlabel("Posisi (m)")
plt.ylabel("Posisi (m)")
plt.title("Heatmap Energi Panas (W)")
# Buat tabel di bawah heatmap
table_data = [
["Atas (J10)", f"{Q_top:.2f} W"],
["Bawah (J2)", f"{Q_bottom:.2f} W"],
["Kanan", f"{Q_right:.2f} W"],
["Kiri", f"{Q_left:.2f} W"],
["Total", f"{Q_total:.2f} W"]
]
plt.table(cellText=table_data, colLabels=["Batas", "Daya (W)"], cellLoc="center", loc="bottom", bbox=[0.25, -0.4, 0.5, 0.3])
# Tampilkan plot
plt.show()
Output dari Code ini adalah:
Pada heatmap tersebut terlihat ada baris yang kosong dikarenakan saya hanya menyimulasikan 9 baris (J2-J10). Persebaran panas bisa dilihat pada diagram dengan membaca legenda di sampingnya. Hasilnya daya di batas atas adalah -2060.64 W, di batas bawah -722.52 W, dan di kanan dan kiri masing-masing adalah 1391.58 W. Totalnya adalah 0 sesuai dengan hukum kekekalan energi.
Hikmah yang saya dapatkan setelah melakukan pengolahan data ini adalah saya tidak bisa menggantungkan semuanya kepada AI. Kita sebagai prompter memiliki tanggung jawab yang sangat besar dalam menggunakannya.
