ุจูุณูู ู ุงูููููู ุงูุฑููุญูู ูฐูู ุงูุฑููุญูููู ู
Assalamuโalaikum Warahmatullahi Wabarakatuh, Selamat pagi, siang, sore, dan malam Prof. Dai dan teman-teman semua yang melihat blog ini semoga senantiasa dalam lindungan Allah SWT.
Pada pertemuan sebelumnya, kita telah melakukan simulasi konduksi panas 2D yang diupload di kanal youtube masing-masing mahasiswa dalam mata kuliah Metode Numerik. Pada kesempatan kali ini saya akan melakukan proses curve fitting berdasarkan hasil plottingan dari simulasi sebelumnya menggunakan bantuan AI.
Langkah 1 : Simulasi Konduksi Panas 2D
Pada tahap awal yang pasti kita harus melakukan simulasinya terlebih dahulu untuk mendapatkan plot data dari CFDSOF dalam format .csv agar kita bisa lakukan proses curve fitting-nya. Adapun langkah-langkahnya dapat dilihat pada link youtube saya di bawah ini :
Langkah 2 : Proses Curve Fitting
Setelah melakukan simulasi sebelumnya, langkah berikutnya adalah kita melakukan proses curve fitting dengan menggunakan prompting terhadap AI untuk memudahkan kita mendapatkan persamaan curve fitting dan dikonversi ke dalam persamaan fluks panas.
Di sini saya sudah mendapatkan hasil dari simulasi yang sudah dilakukan sebelumnya dengan output berupa file excel karena saya sudah konversikan dari file .csv ke dalam bentuk .xlsx. Berikut adalah hasil dari curve fitting dari J2 hingga J10 :
J2
J3
J4
J5
J6
J7
J8
J9
J10
setelah sudah didapatkan semua hasil curve fittingnya dari J2 hingga J10 maka tahapan selanjutnya adalah kita mencari mencari persamaan fluks panasnya.
Langkah 3 : Persamaan Flux Panas
Pada tahapan ini kita akan melakukan proses perhitungan flux panas berdasarkan persamaan temperatur yang sudah didapatkan sebelumnya dengan ringkasan seperti gambar di bawah ini
Karena masih terdapat 10 data persamaan temperatur yang berbeda, kita harus melakukan rata-rata persamaannya untuk memudahkan perhitungan persamaan flux panasnya.
Dengan menggunakan prompting menggunakan AI didapatkan persamaan rata-ratanya adalah
kemudian kita akan menghitung nilai flux panasnya berdasarkan nilai rata-rata di atas sebagai berikut :
dengan menggunakan hasil prompting menggunakan AI maka didapatkan persebaran dayanya dengan nilai k adalah 16,2 W/mK
adapun untuk codingnya adalah sebagai berikut :
# Mendefinisikan ulang data suhu x = np.array([0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1]) y = np.array([0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]) T = np.array([ [303, 337.78, 351.28, 357.24, 359.91, 360.68, 359.91, 357.24, 351.28, 337.78, 303], [303, 323.82, 337.11, 344.78, 348.71, 349.92, 348.71, 344.77, 337.11, 323.82, 303], [303, 317.42, 328.57, 336.04, 340.24, 341.59, 340.24, 336.04, 328.57, 317.42, 303], [303, 314.27, 323.73, 330.56, 334.61, 335.95, 334.61, 330.56, 323.73, 314.27, 303], [303, 312.94, 321.50, 327.86, 331.71, 332.99, 317.13, 327.86, 321.50, 312.94, 303], [303, 313, 321.47, 327.67, 331.37, 332, 331.37, 327.67, 321.47, 313, 303], [303, 314.60, 323.73, 329.95, 333.52, 334.67, 333.52, 329.95, 323.73, 314.60, 303], [303, 318.67, 328.88, 334.91, 338.07, 339.06, 338.07, 334.91, 328.88, 318.67, 303], [303, 328.22, 338.20, 342.73, 344.80, 345.42, 344.80, 342.73, 338.20, 328.22, 303] ]) # Membuat grid untuk kontur X, Y = np.meshgrid(x, y) # Plot ulang dengan colormap coolwarm plt.figure(figsize=(8, 6)) contour = plt.contourf(X, Y, T, cmap=’coolwarm’, levels=20) # Filled contour dengan coolwarm plt.colorbar(contour, label=’Temperatur (Kelvin)’) plt.contour(X, Y, T, colors=’black’, levels=10, linewidths=0.5) # Garis kontur # Pengaturan grafik plt.xlabel(‘x (meter)’) plt.ylabel(‘y (meter)’) plt.title(‘Distribusi Temperatur 2D (Kontur) dengan Coolwarm’) plt.grid(True) # Tampilkan grafik plt.show()Sekian pembahasan blog pada kali ini semoga bermanfaat, terima kasih
