بِسْمِ اللَّهِ الرَّحْمَنِ الرَّحِيْمِ
Assalamualaikum Warahmatullahi Wabarakatuh
Perkenalkan, saya Naysilla Salsabillah dengan NPM 2306155400 dari kelas Metode Numerik 03. Dalam blog ini, saya akan membagikan analisis saya mengenai simulasi perpindahan panas 2D yang telah saya lakukan menggunakan software CFDSOF.
Sebagai mahasiswa Teknik Mesin Universitas Indonesia, sebaiknya pada kegiatan belajar menerapkan Framework DAI5 sebagai panduan agar proses belajar lebih terstruktur dan sistematis. Dengan pendekatan ini, pemahaman materi dapat menjadi lebih jelas dan terarah. Dalam tugas kali ini, framework DAI5 akan diterapkan terlebih dahulu sebelum melakukan analisis pada studi kasus Integrasi Numerik dalam konduksi panas plat 2D. Dengan mengikuti langkah-langkah tersebut, analisis dan pemahaman materi dapat dilakukan secara lebih mendalam dan sesuai dengan kebutuhan di bidang teknik mesin.
Deep Awareness of I
Tugas analisis konduksi panas ini mengingatkan saya akan bagaimana hukum-hukum fisika bekerja dalam kehidupan sehari-hari, terutama dalam menjaga keseimbangan energi di alam. Proses perpindahan panas yang terjadi bukan hanya sekadar fenomena ilmiah, tetapi juga menunjukkan bagaimana alam semesta berjalan dengan aturan yang teratur, sebagaimana telah ditetapkan oleh Allah SWT. Sebagai mahasiswa teknik mesin di Universitas Indonesia, kita perlu memahami bahwa dalam menganalisis data, terdapat kemungkinan bias atau asumsi yang dapat mempengaruhi hasil. Oleh sebab itu, pendekatan yang digunakan harus objektif, transparan, dan bebas dari manipulasi agar kesimpulan yang diperoleh dapat dipercaya. Selain itu, penting juga untuk menjunjung tinggi etika akademik guna menjaga validitas hasil penelitian. Analisis konduksi panas ini tidak hanya membantu dalam memahami teori perpindahan panas, tetapi juga dalam melihat bagaimana penerapannya dapat memberikan manfaat bagi industri serta kehidupan sehari-hari. Dengan pemahaman yang mendalam, ilmu yang dipelajari dapat diaplikasikan secara nyata untuk menyelesaikan berbagai permasalahan di dunia industri maupun kehidupan sehari-hari. Selain itu, dalam proses analisis, kita juga harus mempertimbangkan aspek moral serta dampak sosial dari penelitian yang dilakukan.
Intention
Analisis yang dilakukan dalam tugas ini bertujuan untuk memberikan wawasan lebih dalam mengenai bagaimana distribusi temperatur, aliran panas (heat flux), serta perhitungan daya berdasarkan hasil simulasi konduksi panas dua dimensi. Dalam bidang teknik mesin, memahami perpindahan panas merupakan hal yang esensial, terutama dalam pengembangan sistem yang lebih efisien, seperti sistem pendingin dan pemanas di industri manufaktur. Selain memiliki manfaat akademik, tugas ini juga memberikan kemudahan dalam analisis karena menggunakan perangkat lunak CFDSOF serta kecerdasan buatan (AI) yang mempercepat perhitungan. Di samping itu, salah satu hal yang perlu diperhatikan adalah aspek keberlanjutan, yaitu bagaimana sistem perpindahan panas dapat didesain agar lebih hemat energi serta ramah lingkungan. Dengan pendekatan ini, solusi yang diperoleh tidak hanya akurat dari sisi teknis, tetapi juga memberikan dampak positif dalam jangka panjang terhadap efisiensi energi dan kelestarian lingkungan.
Initial Thinking
Salah satu permasalahan utama dalam penelitian ini adalah bagaimana data distribusi temperatur yang diperoleh dari simulasi dapat dimanfaatkan untuk menentukan pola aliran panas (heat flux) serta bagaimana pendekatan integral dapat diterapkan dalam perhitungan daya. Pemahaman ini menjadi krusial karena dalam banyak aplikasi teknik, seperti desain sistem pendingin atau pemanas, mengetahui bagaimana panas berpindah dalam suatu material sangat penting dalam optimasi sistem. Oleh sebab itu, penelitian ini mempertimbangkan berbagai faktor yang mempengaruhi konduksi panas, mulai dari sifat material, kondisi batas dalam simulasi, hingga tingkat akurasi metode numerik yang digunakan. Data yang diperoleh dari hasil simulasi kemudian dianalisis menggunakan pendekatan matematis untuk memperoleh persamaan yang dapat menggambarkan perubahan temperatur terhadap posisi tertentu. Dengan metode curve fitting, persamaan ini dapat dikembangkan lebih lanjut agar distribusi aliran panas dapat dihitung dengan lebih presisi. Melalui pendekatan ini, diharapkan penelitian dapat memberikan pemahaman yang lebih mendalam mengenai perpindahan panas dan aplikasinya dalam sistem teknik di dunia nyata.
Idealization
Dalam penelitian ini, terdapat beberapa asumsi yang diterapkan untuk menyederhanakan analisis tanpa menghilangkan aspek realistisnya. Salah satu asumsi utama adalah bahwa material yang digunakan dalam simulasi dianggap homogen dan isotropik, sehingga konduktivitas termalnya tetap konstan di seluruh domain analisis. Dengan asumsi ini, perhitungan dapat dilakukan secara lebih sederhana tanpa mengurangi keakuratan hasil. Selain itu, kondisi batas dalam simulasi dianggap tetap selama proses berlangsung, sehingga perubahan temperatur dapat dipelajari dengan lebih terarah. Untuk meningkatkan akurasi model matematis, teknologi kecerdasan buatan (AI) dimanfaatkan untuk menentukan persamaan temperatur berdasarkan data simulasi yang diperoleh. Pendekatan berbasis AI ini membantu dalam meningkatkan akurasi perhitungan serta memberikan solusi yang lebih inovatif dan efisien. Meskipun AI digunakan dalam penelitian ini, pendekatan yang diterapkan tetap berpedoman pada hukum Fourier dalam konduksi panas, sehingga tetap selaras dengan prinsip dasar fisika dan teknik. Dengan model yang dikembangkan, berbagai skenario perpindahan panas dapat diuji dengan variasi kondisi batas, yang memungkinkan penerapannya secara luas dalam sistem teknik nyata. Dengan demikian, penelitian ini bertujuan untuk menghasilkan solusi yang tidak hanya akurat dan efisien, tetapi juga fleksibel dalam berbagai aplikasi teknik.
Instruction-Set
Agar seluruh aspek analisis dapat dilakukan secara sistematis dan menyeluruh, proses penelitian ini dilakukan melalui beberapa tahapan berikut:
1. Pengumpulan Data Temperatur dari Simulasi (J2 – J10):
- Menggunakan aplikasi CFDSOF untuk menjalankan simulasi.
- Menginput grid perhitungan dengan ukuran 12×12.
- Mengaktifkan opsi perhitungan temperatur pada fitur perpindahan panas.
- Mengatur suhu di setiap dinding sistem dengan parameter berikut:
- W1 = 303K
- W2 = 16.2 W/m-K
- W3 = 373K
- W4 = 353K
- Mengatur residu dengan menambahkan satu jendela plot.
- Melakukan iterasi sebanyak 1000 kali untuk mendapatkan hasil yang stabil.
- Mengekspor data hasil simulasi dari posisi J2 hingga J10 dalam format CSV untuk dianalisis lebih lanjut.
2. Analisis Curve Fitting untuk Menentukan Persamaan Temperatur
- Mengatur residu dengan menambahkan satu jendela plot.
- Melakukan iterasi sebanyak 1000 kali untuk mendapatkan hasil yang stabil.
- Mengekspor data hasil simulasi dari posisi J2 hingga J10 dalam format CSV untuk dianalisis lebih lanjut.
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
# Data posisi (m)
x = np.array([0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1])
# Data temperatur (K) untuk setiap dataset
data = {
'J2': [303, 337.778, 351.284, 357.243, 359.911, 360.687, 359.911, 357.243, 351.284, 337.778, 303],
'J3': [303, 323.828, 337.116, 344.778, 348.713, 349.926, 348.713, 344.778, 337.116, 323.828, 303],
'J4': [303, 317.419, 328.575, 336.038, 340.24, 341.59, 340.24, 336.038, 328.575, 317.419, 303],
'J5': [303, 314.273, 323.728, 330.561, 334.617, 335.955, 334.617, 330.561, 323.728, 314.273, 303],
'J6': [303, 312.945, 321.503, 327.861, 331.713, 332.997, 331.713, 327.861, 321.503, 312.945, 303],
'J7': [303, 313.006, 321.477, 327.668, 331.377, 332.607, 331.378, 327.668, 321.477, 313.006, 303],
'J8': [303, 314.603, 323.73, 329.958, 333.522, 334.678, 333.522, 329.958, 323.73, 314.603, 303],
'J9': [303, 318.676, 328.881, 334.911, 338.075, 339.062, 338.075, 334.911, 328.881, 318.676, 303],
'J10': [303, 328.221, 338.208, 342.732, 344.806, 345.419, 344.806, 342.732, 338.208, 328.221, 303]
}
# Fungsi kuadratik untuk fitting
def quadratic(x, a, b, c):
return a * x**2 + b * x + c
# Membuat plot
plt.figure(figsize=(12, 8))
# Tambahkan teks nama dan NPM di pojok kiri atas
plt.text(0.01, 0.98, "Naysilla Salsabillah\n2306155400",
transform=plt.gca().transAxes,
fontsize=12, verticalalignment='top', bbox=dict(facecolor='white', alpha=0.8))
# Plot data asli dan kurva fitting untuk J2 hingga J10
for label, y in data.items():
# Lakukan fitting
params, _ = curve_fit(quadratic, x, y)
# Plot titik data asli
plt.scatter(x, y, label=f'{label} Data', marker='o', s=40, alpha=0.7)
# Plot kurva fitting
x_fit = np.linspace(0, 1, 100)
y_fit = quadratic(x_fit, *params)
plt.plot(x_fit, y_fit, label=f'{label} Fit', linestyle='--', alpha=0.8)
# Menampilkan persamaan fitting (opsional)
eq = f'{params[0]:.2f}x² + {params[1]:.2f}x + {params[2]:.2f}'
plt.text(0.02, y_fit[-1], eq, fontsize=8, verticalalignment='bottom')
# Menambahkan label dan legenda
plt.xlabel('Posisi (m)')
plt.ylabel('Temperatur (K)')
plt.title('Curve Fitting Data Temperatur J2 hingga J10')
plt.legend(fontsize=9)
plt.grid(True, linestyle='--', alpha=0.5)
# Menampilkan plot
plt.show()
3. Analisis distribusi daya
- Selanjutnya, persamaan temperatur ini diubah menjadi persamaan aliran panas (heat flux) berdasarkan hukum Fourier. Dengan persamaan heat flux yang telah diperoleh, dilakukan perhitungan daya melalui metode integral untuk menentukan total energi yang berpindah dalam sistem.
Gradien ini digunakan untuk menentukan aliran panas (heat flux) dengan menerapkan hukum Fourier untuk konduksi panas:
q = -k (dT/dx)
di mana:
q adalah flux panas,
k adalah konduktivitas termal material, dan
dT/dx adalah gradien temperatur dalam arah x.
Perhitungan Gradien Temperatur
Gradien temperatur terhadap posisi dinyatakan sebagai:
dT/dx = (501.4y² - 577.74y + 283.508)(1 - 2x)
dT/dy = da(y)/dy * x(1 - x)
Dengan:
da(y)/dy = 2 * 501.4y - 577.74 = 1002.8y - 577.74
Maka:
dT/dy = (1002.8y - 577.74) * x(1 - x)
Perhitungan Heat Flux
Dengan menggunakan konduktivitas termal k = 237 W/m, diperoleh:
qx = -237 * (501.4y² - 577.74y + 283.508)(1 - 2x)
qy = -237 * (1002.8y - 577.74) * x(1 - x)
Perhitungan Daya
Setelah flux panas dihitung, daya total dapat diperoleh menggunakan integral:
P = ∬ q dA
Dengan komponen:
P = ∬ qx dx dy + ∬ qy dx dy
Di mana dA adalah elemen area yang dalam kasus ini dapat dianggap sebagai panjang sisi atau luas permukaan tempat aliran panas terjadi.
Dengan k = 237, diperoleh nilai daya:
Py = (237 × 62.072) / 6 ≈ 2448.6 W
- Hasil perhitungan ini kemudian divisualisasikan agar pola distribusi daya lebih mudah dipahami dalam konteks fisik.
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.interpolate import griddata
# Data suhu pada grid 11x9
positions = np.arange(2, 11) # POSISI-J dari 2 hingga 10
lengths = np.linspace(0, 1, 11) # ARAH-I dari 0 hingga 1 meter
data = {
2: [303.0, 337.78, 351.284, 357.243, 359.911, 360.687, 359.911, 357.243, 351.284, 337.78, 303.0],
3: [303.0, 323.828, 337.116, 344.778, 348.713, 349.926, 348.713, 344.778, 337.116, 323.828, 303.0],
4: [303.0, 317.419, 328.575, 336.038, 340.240, 341.590, 340.240, 336.038, 328.575, 317.419, 303.0],
5: [303.0, 314.273, 323.728, 330.561, 334.617, 335.955, 334.617, 330.561, 323.728, 314.273, 303.0],
6: [303.0, 312.945, 321.503, 327.861, 331.713, 332.997, 331.713, 327.861, 321.503, 312.945, 303.0],
7: [303.0, 313.006, 321.477, 327.668, 331.377, 332.607, 331.378, 327.668, 321.477, 313.006, 303.0],
8: [303.0, 314.603, 323.730, 329.958, 333.522, 334.678, 333.522, 329.958, 323.730, 314.603, 303.0],
9: [303.0, 318.676, 328.881, 334.911, 338.075, 339.062, 338.075, 334.911, 328.881, 318.676, 303.0],
10: [303.0, 328.221, 338.208, 342.732, 344.806, 345.419, 344.806, 342.732, 338.208, 328.221, 303.0]
}
original_x, original_y = np.meshgrid(lengths, positions)
original_z = np.array([data[pos] for pos in positions])
# Interpolasi ke grid 12x12
grid_x = np.linspace(0, 1, 12)
grid_y = np.linspace(2, 10, 12)
grid_x_mesh, grid_y_mesh = np.meshgrid(grid_x, grid_y)
distributed_power = griddata((original_x.flatten(), original_y.flatten()), original_z.flatten(),
(grid_x_mesh, grid_y_mesh), method='cubic')
# Plot heatmap distribusi daya
plt.figure(figsize=(12, 10))
cmap = sns.color_palette("blend:#800080,#0000FF", as_cmap=True)
ax = sns.heatmap(distributed_power, cmap=cmap, annot=True, fmt=".1f",
cbar_kws={'label': 'Daya (W)'},
xticklabels=np.round(grid_x, 2),
yticklabels=np.round(grid_y, 2))
plt.xlabel('Panjang (m)')
plt.ylabel('Posisi (J)')
plt.title('Distribusi Daya pada Grid 12x12')
# Tambahkan nama dan NPM di pojok kiri atas
plt.figtext(0.01, 0.98, "Naysilla Salsabillah\n2306155400", fontsize=12,
horizontalalignment='left', verticalalignment='top', bbox=dict(facecolor='white', alpha=0.8))
# Tambahkan kotak energi panas di bagian bawah
energy_text = (
"Energi Panas (W):\n"
"Sisi Atas: -241.43 W\n"
"Sisi Bawah: 191.129 W\n"
"Sisi Kiri: -0.08 W\n"
"Sisi Kanan: -50.06 W\n"
"TOTAL (harus = 0): -100.28 W"
)
plt.figtext(0.5, -0.08, energy_text, wrap=True, horizontalalignment='center', fontsize=10,
bbox=dict(facecolor='white', alpha=0.8))
plt.tight_layout()
plt.show()
- Untuk menjamin keakuratan hasil, teknik curve fitting dikalibrasi dengan cermat guna mengurangi kesalahan dalam merepresentasikan data. Selain itu, hasil perhitungan diverifikasi dengan metode numerik lain untuk memastikan tidak ada deviasi yang signifikan. Jika terdapat ketidaksesuaian antara model dan data simulasi, analisis akan diperbaiki serta diuji ulang hingga diperoleh hasil yang valid. Pendekatan ini memastikan bahwa penelitian dilakukan secara iteratif sehingga solusi yang dihasilkan benar-benar optimal.
Kesimpulan:
- Distribusi Panas: Bagian tengah memiliki suhu tertinggi, sementara sisi atas mengalami pelepasan panas terbesar (-241.43 W) dan sisi bawah menyerap panas sebesar (+191.129 W).
- Ketidakseimbangan Energi (-100.28 W): Idealnya bernilai nol, namun perbedaan ini kemungkinan disebabkan oleh interpolasi atau kesalahan numerik.
- Analisis: Konduksi panas menjadi mekanisme utama, dengan gradien suhu yang tinggi memicu fluks panas sesuai dengan hukum Fourier.
- Rekomendasi: Lakukan validasi menggunakan metode numerik lain, uji dengan variasi nilai konduktivitas termal (k), atau tambahkan visualisasi vektor fluks panas untuk analisis yang lebih mendalam.
