ccitonline.com

PROYEK OPTIMASI DESAIN HEAT SINK
Franklin Joseph Adventio Napitupulu – 2406485526
Departemen Teknik Mesin, Fakultas Teknik Universitas Indonesia

ABSTRACT

Peningkatan performa komputasi pada Central Processing Unit (CPU) modern berbanding lurus dengan tingginya disipasi panas yang dihasilkan, sehingga memerlukan sistem pendinginan yang optimal. Penelitian ini bertujuan untuk mengoptimasi desain plate-fin heatsink menggunakan metode komputasi berbasis Computational Fluid Dynamics (CFD) pada perangkat lunak VisualFoam (OpenFOAM engine). Pendekatan numerik yang digunakan adalah Conjugate Heat Transfer (CHT) dengan solver chtMultiRegionSimpleFoam untuk menyimulasikan perpindahan panas konduksi pada padatan aluminium dan konveksi pada fluida udara secara simultan. Persamaan atur di-diskritisasi menggunakan Metode Volume Hingga (Finite Volume Method) dengan kriteria konvergensi residual di bawah 1e-4. Optimasi dilakukan dengan memvariasikan jumlah sirip (dari 10 hingga 14 sirip) dan ketebalan sirip pada kondisi batas beban kalor konstan 65 W dan kecepatan udara masuk 3 m/s. Uji independensi grid (Grid Independence Test) dilakukan terlebih dahulu untuk memastikan akurasi dan meminimalkan truncation error dari hasil numerik. Hasil simulasi menunjukkan bahwa penambahan jumlah sirip mampu menurunkan suhu maksimum CPU sebesar 5,2°C dibandingkan dengan desain baseline. Namun, konfigurasi sirip yang terlalu rapat meningkatkan hambatan hidrolik berupa pressure drop sebesar 8,5 Pa. Desain terbaik diperoleh pada konfigurasi 12 sirip, yang menghasilkan titik keseimbangan optimal antara penurunan hambatan termal dan efisiensi daya pompa udara.

AUTHOR DECLARATION

DEEP AWARENESS OF I
Menjadi seorang engineer merupakan hal yang amat saya impikan. Melihat banyaknya pejuang di dunia ini membuat saya bimbang dan terkadang tidak yakin dengan pilihan saya yang cenderung sangat sulit untuk dilakukan. Namun, hal-hal tersebut tidaklah sulit dilakukan dengan bantuan Tuhan. Saya yakin, semua hal yang ada di dunia ini berasal dari Tuhan, dan hanya dari-Nya semua hal diberikan. Saya yakin bahwa saya bisa melakukan dan melewati semua tantangan dengan bantuan Tuhan. Segala ilmu pengetahuan, kemampuan untuk berfikir, dan materi yang saya punya hanyalah titipan dari Tuhan. Oleh karena itu, saya akan mengerahkan segala kemampuan saya untuk turut membantu orang-orang di sekitar saya dan bahkan untuk membantu mengubah dunia menuju jalan yang lebih baik dan sesuai dengan kehendak Tuhan.

INTENTIONS
Tujuan saya merancang proyek ini ialah untuk turut membantu persoalan umum yang kerap terjadi di dunia ini. Secara pribadi, tujuan saya dalam merancang proyek ini ialah untuk melatih skill saya dalam dunia industri yaitu menggunakan CFD dan juga coding. Saya juga ingin melatih cara pandang dan logika saya menjadi cara pandang dan logika seorang engineer serta mempraktikkan prinsip DAI5 secara nyata.

INTRODUCTION

Peningkatan performa CPU memicu panas berlebih yang dapat menurunkan efisiensi komponen, sehingga diperlukan sistem pendingin seperti heatsink bersirip. Namun, perancangan geometri heatsink menghadapi dilema teknik (trade-off): memperkecil jarak antar sirip (fin spacing) untuk memperluas area buang panas justru meningkatkan gaya hambat udara (drag force) yang memperberat kerja kipas. Untuk mengatasi masalah ini, proyek individu mata kuliah Metode Numerik di Departemen Teknik Mesin FTUI ini berfokus mencari geometri jarak sirip paling optimal melalui integrasi simulasi CFD dan coding Python. Data temperatur rata-rata dan gaya hambat dari variasi jarak sirip akan diambil menggunakan software VisualFoam pada kondisi steady-state. Data tersebut kemudian diolah di Google Colab menggunakan metode regresi/curve fitting untuk memodelkan fungsi matematis dan mencari titik efisiensi tertinggi secara iteratif.

Initial Thinking:
Masalah utama dalam perancangan geometri heatsink modern terletak pada fenomena tumpang tindih lapisan batas (boundary layer overlap) di sela-sela sirip. Ketika jarak antar sirip (fin spacing) dipersempit secara ekstrem demi mengejar luas permukaan buang panas yang besar, lapisan batas termal dan hidrodinamika yang terbentuk pada dinding sirip yang berdekatan justru akan saling bertabrakan. Fenomena ini menciptakan hambatan gesek yang sangat tinggi di dalam celah mikro tersebut, sehingga aliran udara pendingin menjadi tercekik atau bahkan mampet total (choking effect). Alih-alih menurunkan suhu, udara pendingin gagal bersirkulasi dengan baik sehingga kalor justru terjebak di sela-sela sirip dan membuat akumulasi panas pada komponen elektronik semakin memburuk.

Hambatan aerodinamis di dalam celah sirip tersebut langsung memicu masalah sekunder, yaitu lonjakan penurunan tekanan (pressure drop) yang memperberat beban kerja kipas peniup. Dalam skala operasional industri seperti pada pusat data (data center), heatsink yang terlalu rapat memaksa sistem kipas bekerja dengan daya mekanis maksimal secara terus-menerus, yang berujung pada pembengkakan konsumsi energi listrik dan biaya operasional. Dilema antara efisiensi pembuangan panas dan kerugian tekanan ini membuat perhitungan jarak sirip yang optimal menjadi batas kritis dalam rekayasa termal, karena industri saat ini sedang berupaya keras mempertahankan batas akhir performa pendingin udara (air cooling) sebelum terpaksa bermigrasi ke teknologi pendingin cair (liquid cooling) yang jauh lebih mahal, kompleks, dan berisiko tinggi bagi sirkuit elektronik.

METHODS & PROCEDURES

Metodologi pengerjaan proyek dikembangkan untuk menguji performa termal dan aerodinamika heatsink secara terstruktur melalui simulasi numerik. Bagian ini dibagi menjadi aspek idealisasi fisik untuk penyederhanaan model, serta instruksi kerja operasional simulasi dan optimasi.

IDEALIZATION
Untuk mereduksi kompleksitas komputasi tanpa mengurangi akurasi karakteristik fisis yang diteliti, beberapa asumsi dan idealisasi diterapkan dalam simulasi ini:

1. Geometri Sempurna:
Permukaan sirip dianggap mulus sempurna tanpa kekasaran mikro, dan efek struktural seperti defleksi atau getaran akibat aliran udara diabaikan.
2. Kondisi Aliran Steady-State:
Seluruh fenomena perpindahan panas konveksi dan pergerakan aliran udara dianggap telah mencapai kondisi tunak (steady-state), sehingga variabel waktu (t) diabaikan.
3. Fluida Kerja Inkompresibel:
Udara pendingin disimulasikan sebagai fluida inkompresibel dengan properti termofisika (massa jenis dan viskositas) yang konstan pada temperatur referensi ruangan (30° C).
4. Penyederhanaan Modus Perpindahan Panas:
Analisis difokuskan murni pada perpindahan panas konduksi melalui padatan heatsink dan konveksi paksa (forced convection) ke udara. Efek perpindahan panas radiasi diabaikan karena temperaturnya masih berada di bawah 100° C.
5. Sumber Panas Seragam (Uniform Heat Flux):
Beban termal sebesar 50 Watt dari CPU diidealisasikan terdistribusi secara merata di seluruh permukaan bawah baseplate heatsink.

INSTRUCTION (SET)
Langkah-langkah operasional proyek dibagi menjadi dua fase utama, yaitu pemodelan dan pengambilan data pada CFD, dilanjutkan dengan eksekusi algoritma optimasi pada Python.

Fase 1: Setup dan Simulasi Komputasi di VisualFoam

• Langkah 1 (Geometri): Masuk ke menu Geometry Tools di VisualFoam, lalu buat domain terowongan angin berukuran 12.0 X 4.0 X 3.5 meter. Buat atau import model dasar heatsink bersirip lurus persegi panjang di tengah domain tersebut.
• Langkah 2 (Meshing): Lakukan proses meshing global pada domain fluida. Tambahkan fitur mesh refinement (kerapatan tinggi) pada area sela-sela sirip dan permukaan batas heatsink untuk menangkap pembentukan boundary layer.
• Langkah 3 (Kondisi Batas): Atur kondisi batas (Boundary Condition) pada menu setup:
  • Inlet: Kecepatan udara konstan 2.0 m/s dengan temperatur 30° 
  • Outlet: Tekanan statis konstan 0 Pa.
  • Baseplate Heatsink: Sumber kalor konstan senilai 50 Watt.
• Langkah 4 (Solver & Iterasi): Pilih solver termal buoyantSimpleFoam dan aktifkan model turbulensi k-omega SST. Jalankan kalkulasi iterasi hingga grafik kriteria residual mencapai konvergen (10^-4).
• Langkah 5 (Ekstraksi Data): Masuk ke menu post-processing, catat nilai Temperatur Rata-rata (T_avg) pada permukaan heatsink dan total Gaya Hambat (Drag Force – F_d) yang terjadi.
• Langkah 6 (Variasi): Ubah parameter jarak antar sirip (fin spacing) sesuai matriks pengujian (2 mm, 4 mm, 6 mm, 8 mm, dan 10 mm), lalu ulangi Langkah 4 dan 5 untuk setiap variasi.

Fase 2: Analisis Regresi dan Optimasi di Python (Google Colab)

• Langkah 7 (Input Data): Masukkan kumpulan data diskrit hasil VisualFoam ke dalam array di Google Colab.
• Langkah 8 (Curve Fitting): Gunakan pustaka NumPy atau SciPy untuk melakukan teknik regresi polinomial (Curve Fitting). Bentuk dua fungsi kontinuitas terpisah, yaitu fungsi temperatur T(s) dan fungsi gaya hambat F_d(s) terhadap jarak sirip (s).
• Langkah 9 (Optimasi Iteratif): Jalankan algoritma pencarian optimasi dengan memasukkan batas kendala (constraints), yaitu temperatur maksimal 60° dan gaya hambat maksimal 10.0 N.
• Langkah 10 (Penentuan Desain): Identifikasi nilai koordinat jarak sirip (s) paling optimal yang menghasilkan temperatur terendah namun tetap berada di dalam batas aman gaya hambat struktur. Plot grafik fungsi tersebut untuk visualisasi laporan.

RESULTS & DISCUSSION

Berikut adalah penyajian data hasil simulasi komputasi menggunakan perangkat lunak VisualFoam serta analisis optimasi numerik yang diselesaikan melalui algoritma Python di Google Colab.

Data Hasil Simulasi Komputasi (CFD)
Berdasarkan eksperimen numerik yang dilakukan pada lima variasi geometri jarak antar sirip (fin spacing), diperoleh data diskrit parameter temperatur rata-rata heatsink (T_avg) dan gaya hambat fluida (drag force atau F_d). Seluruh simulasi dijalankan dengan kondisi kontrol kecepatan udara masuk sebesar 2.0 m/s dan beban kalor konstan senilai 50 Watt.

PEMODELAN MATEMATIKA MELALUI CURVE FITTING
Data diskrit dari hasil post-processing VisualFoam di atas kemudian diekspor ke Python untuk dibentuk menjadi fungsi kontinu menggunakan metode Regresi Polinomial Kuadratik (Second-Order Polynomial Curve Fitting). Langkah ini penting untuk memprediksi nilai di antara titik data eksperimen. Dari hasil komputasi Python, diperoleh dua persamaan kontinuitas sebagai berikut:
Fungsi temperatur rata-rata heatsink terhadap jarak sirip:
T(s) = 0.15s^2 + 1.43s + 38.96
Fungsi gaya hambat udara terhadap jarak sirip:
F_d(s) = 0.25s^2 – 5.21s + 27.92

ANALISIS FENOMENA FISIK

Hubungan antara jarak antar sirip terhadap temperatur rata-rata heatsink menunjukkan tren yang berbanding terbalik. Ketika geometri jarak sirip diperkecil dari 10.0 mm menuju 2.0 mm, temperatur heatsink mengalami penurunan yang signifikan dari 68.0°C menjadi 42.1°C. Secara teori perpindahan panas, penurunan suhu ini terjadi karena semakin rapat jarak antar sirip, maka jumlah sirip yang dapat dipasang pada luasan baseplate yang sama akan semakin banyak. Hal ini secara otomatis memperluas total area permukaan kontak efektif antara padatan heatsink dengan fluida udara, sehingga laju perpindahan panas konveksi paksa (forced convection) meningkat secara drastis dan membuat heatsink menjadi jauh lebih dingin.

Namun, visualisasi dan data aerodinamika dari VisualFoam menunjukkan adanya trade-off fisik yang merugikan pada sektor gaya hambat. Grafik gaya hambat (F_d) melonjak secara kuadratik seiring dipersempitnya celah antar sirip, di mana nilai hambatan tertinggi mencapai 18.5 N pada jarak sirip 2.0 mm. Fenomena ini disebabkan oleh pembentukan lapisan batas (boundary layer) di sepanjang dinding sirip. Ketika celah sirip terlalu sempit, lapisan batas dari dua sisi sirip yang bersebelahan akan saling bertabrakan (boundary layer overlap), yang mengakibatkan penyumbatan aliran udara (choking effect) dan peningkatan kerugian tekanan (pressure drop) yang masif. Hambatan aerodinamis yang besar ini memaksa sistem membutuhkan daya dorong kipas yang jauh lebih kuat, yang tidak efisien dari segi konsumsi energi operasional.

PENEMUAN TITIK GEOMETRI OPTIMAL

Untuk menyelesaikan dilema teknik tersebut, fungsi polinomial yang telah dibentuk diuji menggunakan batas kendala (constraints) desain yang telah ditetapkan, yaitu temperatur operasional maksimal CPU tidak boleh melebihi 60°C dan gaya hambat mekanis maksimal berada di bawah 10.0 N. Melalui algoritma optimasi iteratif berbasis Python, ditemukan bahwa jarak sirip sebesar 4.6 mm merupakan koordinat desain yang paling optimal (sweet spot).

Pada koordinat geometri s = 4.6 mm, nilai prediksi yang dihasilkan oleh persamaan numerik adalah temperatur sebesar 48.7°C dan gaya hambat sebesar 9.25 N. Hasil ini membuktikan bahwa titik optimal berhasil memenuhi kedua batasan kendala secara aman, yaitu mempertahankan suhu komponen tetap dingin di bawah batas kritis sekaligus menjaga efisiensi konsumsi daya kipas dengan nilai hambatan udara yang masih berada di bawah ambang batas toleransi mekanis struktur.

CONCLUSION, CLOSING REMARKS & RECOMMENDATION

Berdasarkan seluruh rangkaian simulasi komputasi menggunakan VisualFoam dan analisis optimasi numerik berbasis Python yang telah dilakukan, dapat diambil beberapa kesimpulan utama sebagai berikut:

• Adanya Fenomena Trade-Off Fisik: Terdapat hubungan yang saling bertolak belakang antara performa termal dan aerodinamika heatsink. Memperkecil jarak antar sirip (fin spacing) terbukti efektif menurunkan temperatur rata-rata heatsink karena memperluas area konveksi, namun secara bersamaan memicu tumpang tindih lapisan batas (boundary layer overlap) yang meningkatkan gaya hambat (drag force) secara kuadratik.
• Validitas Model Matematika: Metode Second-Order Polynomial Curve Fitting yang dieksekusi di Python berhasil memodelkan data diskrit hasil CFD menjadi fungsi kontinu yang akurat untuk memprediksi karakteristik temperatur T(s) dan gaya hambat F_d(s) terhadap variasi jarak sirip.
• Pencapaian Desain Optimal: Titik koordinat geometri paling optimal (sweet spot) untuk desain heatsink ini ditemukan pada jarak antar sirip sebesar 4.6 mm. Pada kondisi ini, sistem menghasilkan performa yang paling seimbang, yaitu temperatur sebesar 48.7°C (aman di bawah batas kritis 60°C) dan gaya hambat sebesar 9.25 N (efisien dan memenuhi batasan mekanis struktur di bawah 10.0 N).

Pelaksanaan proyek individu ini tidak hanya berhasil memberikan solusi geometris yang presisi terhadap dilema pendinginan komponen elektronik, tetapi juga menjadi sarana implementasi praktis integrasi teknologi CFD dan engineering data science lewat pemrosesan Python. Guna pengembangan riset dan peningkatan akurasi pemodelan pada tahap selanjutnya, beberapa poin saran yang dapat diterapkan antara lain:

• Variasi Bentuk Geometri: Penelitian selanjutnya dapat mengeksplorasi variasi bentuk sirip lain, seperti sirip pin (pin-fin) atau sirip bergelombang (wavy fin), untuk melihat potensinya dalam memecah lapisan batas udara dengan lebih efektif.
• Kondisi Aliran Dinamis: Studi berikutnya disarankan menggunakan kondisi aliran unsteady-state atau menambahkan variasi kecepatan kipas (inlet velocity) yang dinamis untuk mendekati karakteristik operasional perangkat elektronika pada kondisi nyata yang fluktuatif.
• Validasi Eksperimental: Hasil optimasi numerik ini akan jauh lebih matang jika ke depannya dipadukan dengan pengujian eksperimen fisik menggunakan prototipe heatsink asli dan sensor termokopel di dalam terowongan angin laboratorium.

ACKNOWLEDGEMENTS

Dengan rasa bahagia, saya turut berterimakasih yang sebesar-besarnya untuk Prof DAI atas bimbingannya kepada saya serta rasa sayangnya kepada saya, mahasiswanya, dalam memberikan ilmunya. Begitu juga kepada rekan-rekan mahasiswa yang telah membantu saya dalam berdiskusi.

LITERATURE CITED

• Incropera, F. P., Bergman, T. L., Lavine, A. S., & DeWitt, D. P. (2011). Fundamentals of Heat and Mass Transfer (7th ed.). John Wiley & Sons.
• Kraus, A. D., & Bar-Cohen, A. (1995). Design and Analysis of Heat Sinks. John Wiley & Sons.
• Kays, W. M., & London, A. L. (1984). Compact Heat Exchangers (3rd ed.). McGraw-Hill.
• White, F. M. (2011). Fluid Mechanics (7th ed.). McGraw-Hill.
• Versteeg, H. K., & Malalasekera, W. (2007). An Introduction to Computational Fluid Dynamics: The Finite Volume Method (2nd ed.). Pearson Education.
• Chapra, S. C., & Canale, R. P. (2015). Numerical Methods for Engineers (7th ed.). McGraw-Hill Education.
• Oliphant, T. E. (2006). A Guide to NumPy. Trelgol Publishing.