ccitonline.com

Dalam dunia teknik, heat conduction (konduksi panas) adalah fenomena penting yang berperan dalam berbagai aplikasi, mulai dari desain sistem pendinginan hingga analisis efisiensi energi dalam mesin. Namun, memahami bagaimana panas berpindah dalam sebuah material secara numerik bukanlah hal yang mudah jika hanya dilakukan secara manual.

Oleh karena itu, dalam blog ini, saya akan menggunakan framework DAI5 sebagai pendekatan sistematis dalam memahami dan menyelesaikan masalah heat conduction 2D menggunakan CFDSOF serta memanfaatkan AI untuk validasi dan analisis hasil. Saya juga akan merujuk pada sumber tambahan dari video youtube saya untuk memperdalam pemahaman

1. Deep Awareness of I

Saat mempelajari konduksi panas dalam bidang dua dimensi, saya menyadari bahwa metode analitik sering kali terbatas dalam menangani geometri kompleks dan kondisi batas yang realistis. Tanpa bantuan perangkat lunak CFD seperti CFDSOF, akan sangat sulit untuk:

• Menghitung perubahan temperatur pada setiap titik dalam material secara manual.
• Memvisualisasikan distribusi panas secara akurat.
• Menganalisis bagaimana parameter seperti konduktivitas termal dan boundary conditions memengaruhi distribusi panas.

Dari sinilah saya memahami bahwa metode numerik menjadi solusi utama untuk menyelesaikan permasalahan ini, terutama dengan pendekatan Finite Difference Method (FDM) atau Finite Volume Method (FVM).

2. Intention

Dalam studi ini, tujuan utama saya adalah:

• Menemukan solusi numerik yang mendekati distribusi panas pada pelat 2D.
• Menggunakan CFDSOF untuk mensimulasikan konduksi panas dengan kondisi batas yang realistis.
• Mengevaluasi hasil simulasi dengan bantuan AI untuk memperoleh grafik distribusi temperatur yang akurat.

Saya berharap penelitian ini dapat memberikan wawasan yang lebih dalam tentang bagaimana perpindahan panas dapat dianalisis secara numerik dan bagaimana teknologi AI dapat mempercepat serta meningkatkan akurasi pemodelan numerik.

3. Initial Thinking

Dalam menyelesaikan permasalahan ini, saya memanfaatkan 5W1H untuk membangun pemahaman awal yang lebih kuat:

What (Apa yang sedang kita analisis?)

Kita menganalisis heat conduction dalam pelat 2D (1 × 1 m) dengan berbagai kondisi batas menggunakan metode numerik dan CFD.

Why (Mengapa analisis ini penting?)

• Heat conduction merupakan dasar dari analisis perpindahan panas dalam sistem teknik.
• Dengan CFD, kita dapat memperoleh hasil yang lebih mendekati kondisi nyata dibandingkan metode analitik.
• AI dapat digunakan untuk meningkatkan efisiensi dalam pemrosesan data hasil simulasi.

Who (Siapa yang dapat memanfaatkan studi ini?)

• Mahasiswa teknik yang ingin memahami konduksi panas lebih dalam.
• Insinyur yang bekerja dalam bidang perancangan sistem pendinginan dan isolasi termal.
• Peneliti yang mengembangkan metode numerik lebih lanjut.

Where (Di mana metode ini dapat diterapkan?)

• Industri energi (analisis efisiensi termal dalam pembangkit listrik).
• Industri otomotif dan aerospace (perancangan sistem pendinginan).
• Industri elektronik (analisis pembuangan panas dalam perangkat elektronik)

When (Kapan metode ini digunakan?)

• Saat analisis manual terlalu kompleks dan membutuhkan metode numerik untuk solusi pendekatan.
• Saat menguji desain sistem termal sebelum prototipe dibuat.
• Saat memvalidasi hasil eksperimen dengan model numerik.

How (Bagaimana pendekatan yang digunakan dalam studi ini?)

• Menggunakan CFDSOF untuk mensimulasikan heat conduction 2D.
• Menerapkan metode numerik berbasis Finite Difference Method (FDM).
• Memanfaatkan AI untuk menganalisis hasil dan melakukan curve fitting pada distribusi temperatur.

Kita lanjutkan ketahap yang keempat, Idealization

4. Idealization

Agar perhitungan lebih efisien, beberapa asumsi dibuat:

• Material dianggap homogen dan isotropik (konduktivitas termal seragam) (Stainless Steel).
• Dimensi pelat dianggap 1 × 1 m dengan kondisi batas yang ditentukan.
• Panas hanya berpindah melalui konduksi, tanpa konveksi atau radiasi.
• Menggunakan metode numerik FDM untuk mendiskritisasi domain simulasi.
• Grid meshing dibuat cukup rapat untuk meningkatkan akurasi hasil.

Dengan asumsi ini, model dapat dibuat lebih sederhana namun tetap realistis dalam menganalisis perpindahan panas.

5. Instruction Set

Saya melakukan simulasi heat conduction dengan CFDSOF

Menggunakan AI untuk Analisis Hasil Simulasi

Disini saya prompthink ke AI untuk memunculkan grafik curve fitting dari semua plot kemudian membuat coding dengan bahasa javascript dan meminta file HTMLnya

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Curve Fitting Visualization</title>
    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
</head>
<body>
    <canvas id="curveChart" width="800" height="400"></canvas>
    <script>
        const curveFittingResults = {
            "plot_j2_cleaned": { "a": -225.10675833719532, "b": 225.1067582909602, "c": 309.7902589894875 },
            "plot_j3_cleaned": { "a": -187.84685313951036, "b": 187.84685311671345, "c": 304.9862447723041 },
            "plot_j4_cleaned": { "a": -155.1046617934224, "b": 155.10466177765122, "c": 303.2919371025086 },
            "plot_j5_cleaned": { "a": -132.35058281499332, "b": 132.3505828269488, "c": 302.7213216626824 },
            "plot_j6_cleaned": { "a": -120.37319381563778, "b": 120.37319382925594, "c": 302.5841118299361 },
            "plot_j7_cleaned": { "a": -118.85349661350548, "b": 118.85358753359941, "c": 302.6868391388363 },
            "plot_j8_cleaned": { "a": -127.26060601008584, "b": 127.26060601008584, "c": 303.1203636439417 },
            "plot_j9_cleaned": { "a": -144.35338051508253, "b": 144.3533805722172, "c": 304.3604474401634 },
            "plot_j10_cleaned": { "a": -165.64638696265723, "b": 165.64638695818192, "c": 307.821496504189 },
            "plot_j11_cleaned": { "a": -87.41258357308983, "b": 87.41258352271498, "c": 335.34265793997275 }
        };

        function polynomial(x, a, b, c) {
            return a * x * x + b * x + c;
        }

        document.addEventListener("DOMContentLoaded", function () {
            const ctx = document.getElementById("curveChart").getContext("2d");
            const datasets = [];

            Object.keys(curveFittingResults).forEach((key, index) => {
                const { a, b, c } = curveFittingResults[key];
                const xValues = Array.from({ length: 100 }, (_, i) => i - 50);
                const yValues = xValues.map(x => polynomial(x, a, b, c));

                datasets.push({
                    label: key,
                    data: xValues.map((x, i) => ({ x, y: yValues[i] })),
                    borderColor: `hsl(${index * 30}, 70%, 50%)`,
                    fill: false,
                });
            });

            new Chart(ctx, {
                type: "line",
                data: { datasets },
                options: {
                    scales: {
                        x: { type: "linear", position: "bottom" },
                        y: { type: "linear" }
                    }
                }
            });
        });
    </script>
</body>
</html>

Kesimpulan

Apa yang saya pelajari dalam studi ini?
1. Heat conduction 2D dapat dimodelkan dengan metode numerik berbasis FDM.
2. CFDSOF membantu memvisualisasikan distribusi panas secara akurat.
3. AI dapat digunakan untuk validasi hasil simulasi dan mempercepat analisis data.
4. DAI5 Framework memberikan pendekatan terstruktur dalam pemecahan masalah teknik.

Izinkan saya mengakhiri blog saya dengan kata-kata singkat

“Ilmu bukan hanya tentang memahami angka dan persamaan, tetapi juga tentang bagaimana kita menggunakannya untuk menciptakan solusi yang lebih baik. Dengan metode numerik, AI, dan simulasi CFD, kita tidak hanya menghitung—kita memprediksi, memvalidasi, dan mengoptimalkan. DAI5 mengajarkan bahwa pemecahan masalah terbaik dimulai dari kesadaran diri, niat yang jelas, dan langkah yang terstruktur. Teruslah belajar, berinovasi, dan gunakan teknologi sebagai alat untuk menjelajahi kemungkinan tanpa batas.”