User:LuthfiShafwan

Introduction

Nama saya muhammad luthfi shafwan, mahasiswa S2 Teknik Mesin peminatan Teknologi dan Sumber Daya Maritim angkatan 2024

Komputasi Teknik Pertemuan 1 (Pasca UTS) 29/10/2024

Pada pertemuan pertama ini, mahasiswa diperkenalkan dengan sebuah framework bernama DAI-5, yang dikembangkan oleh Dr. Ir. Ahmad Indra Siswantara. Framework ini didasari oleh konsep conscious thinking atau berpikir secara sadar. Landasan dari framework ini adalah falsafah yang beliau utarakan, yaitu "I'm my consciousness," yang menegaskan pentingnya kesadaran dalam setiap tindakan. Sebagai inisiator, beliau merumuskan framework ini menjadi empat tahapan penting:

(1) Intention, Menentukan niat/ide awal

(2) Initial Thinking, Mengeksplorasi dari ide yang kita inisiasikan sebelumnya

(3) Idealization, Penarikan solusi Dari ide tersebut kemudian mensimplifikasi sesuatu agar lebih ideal

(4) Instruction Set, Solusi ideal yang menjadi output pada tahapan sebelumnya, dikonversi menjadi sebuah tahapan sistematis Tahapan-tahapan ini merepresentasikan pentingnya pendekatan sistematis dalam berbagai aspek kehidupan.

Tugas 1

kasus distribusi tekanan pada geometri Oscillating Water Coloumn untuk 2 konfigurasi, 1 chamber 2 turbine dan 2 chamber 1 turbine

Pada pertemuan kali ini, Pak Dai memberikan arahan kepada mahasiswa untuk melakukan diskusi mengenai FEM (Finite Element Method) melalui platform ChatGPT. Diskusi ini akan mencakup beberapa pertanyaan yang sesuai dengan arahan beliau, dengan output yang diharapkan dapat menghubungkan konsep FEM dengan langkah-langkah yang terdapat dalam kerangka DAI-5. Kasus yang menjadi subjek diskusi melalui platform chatGPT kali ini adalah Finite Element Method (FEM) untuk Oscillating Water Column (OWC) dengan 2 konfigurasi (1 turbin 2 chamber dan 2 turbin 1 chamber)

hasil diskusi dengan ChatGPT mengenai FEM pada OWC dengan 2 konfigurasi

Grafik diatas merupakan output dari code yang di generate oleh chatGPT mengenai kasus ini dengan anggapan gelombang normal, dapat dilihat bahwa pada grafik pertama yaitu konfigurasi 1 (1 Turbin, 2 Chamber): Grafik menunjukkan variasi nilai u(x) di sepanjang posisi x dalam domain. Distribusi ini mengikuti pola sinusoidal yang diberikan oleh sumber gaya gelombang. Sementara pada konfigurasi 2 (2 Turbin, 1 Chamber): Grafik menunjukkan bahwa nilai u(x) tetap konstan di sepanjang domain, mencerminkan perbedaan dalam konfigurasi elemen dan pengaruhnya terhadap solusi.

Tugas 2

Tugas 2 ini menggunakan metode elemen hingga (1D Finite Element Method) dalam analisis perpindahan panas untuk memahami bagaimana distribusi suhu dalam sebuah pipa. Python digunakan untuk menentukan distribusi suhu di sepanjang pipa dengan pemanasan seragam, di mana pipa memiliki suhu 0°C di kedua ujungnya. Setelah itu, hasil simulasi yang dihasilkan diinterpretasikan secara mendalam untuk memberikan wawasan tentang karakteristik distribusi suhu, dan hasil tersebut kemudian dihubungkan dengan DAI5 Framework.

1. Persamaan Konduksi Panas (Hukum Fourier)

Persamaan konduksi panas satu dimensi dalam kondisi steady-state tanpa adanya sumber panas internal (untuk aliran panas konduktif) adalah:

di mana:

• K konduktivitas termal ss 304 (W/m·K)
• T adalah suhu (°C atau K)
• X adalah posisi sepanjang

2. Persamaan Konduksi Panas dengan Sumber Panas

Jika terdapat sumber panas seragam Q dalam pipa, persamaan konduksi panas menjadi:

di mana Q adalah sumber panas per satuan volume (W/m³).

3. Diskritisasi dengan Metode Elemen Hingga (FEM)

Metode elemen hingga digunakan untuk mendiskritisasi persamaan diferensial parsial ini menjadi sistem persamaan linear. Matriks kekakuan lokal untuk elemen 1D diberikan oleh:

di mana Δx adalah panjang elemen.

4. Penyusunan Vektor Gaya

Vektor gaya F diisi dengan kontribusi dari sumber panas seragam:

5. Sistem Persamaan Linear

Setelah menyusun matriks kekakuan global K dan vektor gaya F, sistem persamaan linear yang perlu diselesaikan adalah:

di mana:

• K adalah matriks kekakuan global
• T adalah vektor suhu pada simpul-simpul
• F adalah vektor gaya total

6. Kondisi Batas

Kondisi batas (Dirichlet boundary conditions) diterapkan dengan menetapkan suhu tertentu di simpul-simpul yang terkait, seperti suhu 0°C di kedua ujung pipa.

Perhitungan Manual untuk kasus distribusi suhu pada pipa stainless steel dengan panjang 3 meter menggunakan persamaan fourrier dan Phyton Code untuk mensimulasikan kasus 1D FEM

Interpretasi Grafik

Grafik yang merupakan output dari code yang menggunakan google collab menunjukkan distribusi temperatur pada pipa SS 304 sepanjang 3 meter, di mana suhu pada kedua ujung pipa dijaga pada 0°C, menyebabkan suhu meningkat secara bertahap ke titik maksimum sekitar 70°C di tengah pipa sebelum menurun kembali. Hal ini mengindikasikan pemanasan seragam sepanjang pipa dan penyelesaian distribusi suhu dilakukan menggunakan metode elemen hingga (1D FEM).

Hubungan dengan Framework DAI5

Framework DAI5 terdiri dari lima tahap: Intention, Initial Thinking, Idealization, Instruction Set. Berikut cara algoritma FEM ini dihubungkan dengan DAI5: Framework DAI5 terdiri dari lima tahap: Intention (Tujuan), Initial Thinking (Pemikiran Awal), Idealization (Idealasi), Instruction Set (Set Instruksi), Implementation (Implementasi). Berikut cara algoritma FEM ini dihubungkan dengan DAI5:

1. Intention (Tujuan):
   • Tujuan utama adalah membuat aplikasi Python untuk menganalisis distribusi suhu di sepanjang pipa menggunakan metode FEM 1D dengan pemanasan seragam dan kondisi batas tertentu (0°C di kedua ujung).
2. Initial Thinking (Pemikiran Awal):
   • Pikirkan bagaimana masalah ini dapat diselesaikan menggunakan pendekatan numerik, seperti metode elemen hingga. Identifikasi parameter utama, seperti properti material (SS 304), panjang pipa, dan distribusi suhu.
3. Idealization (Idealasi):
   • Buat model matematika dari sistem fisik dengan menyederhanakannya menjadi model 1D yang dapat didiskritisasi. Asumsikan distribusi pemanasan seragam dan kondisi steady-state untuk mempermudah simulasi.
   • Idealasi ini mencakup pemilihan model elemen hingga 1D dengan matriks kekakuan lokal dan global.
4. Instruction Set (Set Instruksi):
   • Susun langkah-langkah instruksi yang mencakup pengisian matriks kekakuan global, vektor gaya, penerapan kondisi batas, dan penyelesaian sistem persamaan. Rancang algoritma dalam bentuk kode Python yang jelas dan terstruktur.
5. Implementation (Implementasi):
   • Jalankan kode Python yang telah dibuat untuk mengimplementasikan solusi. Visualisasikan hasil distribusi suhu dan interpretasikan untuk memahami bagaimana suhu menyebar di sepanjang pipa berdasarkan parameter yang diberikan.

Latihan

Javascript Code dibawah merupakan simulasi numerik FEM untuk menghitung distribusi temperatur dan tegangan termal pada batang 1D dimana hasil distribusinya divisualisasikan dalam grafik dengan gradasi warna berbeda. Permasalahan pada kasus ini adalah nilai temperatur pada ujung kanan batang tidak sesuai dengan kondisi batas yang telah ditetapkan, seperti terlihat pada Grafik 1, di mana temperatur pada ujung kanan sekitar -7.9°C. Hal ini menunjukkan bahwa kondisi batas di ujung kanan tidak diaplikasikan dengan benar dalam perhitungan maupun visualisasi. Selain itu, distribusi tegangan termal juga tidak sesuai dengan yang diharapkan. Karena distribusi temperatur tidak akurat hal ini akan berpengaruh pada distribusi tegangan termal menjadi tidak tepat. Tegangan termal pada ujung kanan menunjukkan nilai negatif yang tinggi, yaitu -83.0 MPa.

GRAFIK 1

perbaikan

A. Penerapan boundary condition

kode 1

 // Apply boundary conditions
 K[0][0] = 1; K[0][1] = 0; F[0] = T_left;
 K[nNodes - 1][nNodes - 1] = 1; F[nNodes - 1] = T_right;

kode 2

 // Apply boundary conditions explicitly to avoid any errors
 K[0][0] = 1; K[0][1] = 0; F[0] = T_left;
 K[nNodes - 1][nNodes - 1] = 1; 
 K[nNodes - 1][nNodes - 2] = 0; // Penambahan untuk memastikan elemen non-diagonal diatur
 F[nNodes - 1] = T_right;

B. Penetapan Nilai Boundary Setelah Penyelesaian

kode 1

 // Tidak ada langkah tambahan untuk menetapkan boundary value setelah perhitungan

kode 2

 // Explicitly set boundary values to avoid errors
 T[0] = T_left;
 T[nNodes - 1] = T_right;

C. Visualisasi pada Node Terakhir

kode 1

 for (let i = 0; i < nNodes - 1; i++) {
   const x = i * (tempCanvas.width / (nNodes - 1));
   const tempColor = Math.round((T[i] - minTemp) / (maxTemp - minTemp) * 255);
   tempCtx.fillStyle = `rgb(${tempColor}, 0, ${255 - tempColor})`;
   tempCtx.fillRect(x, 0, tempCanvas.width / (nNodes - 1), tempCanvas.height);
 }

kode 2

 // Temperature Visualization FIX
 for (let i = 0; i < nNodes - 1; i++) {
   const x = i * (tempCanvas.width / (nNodes - 1));
   const tempColor = Math.round((T[i] - minTemp) / (maxTemp - minTemp) * 255);
   tempCtx.fillStyle = `rgb(${tempColor}, 0, ${255 - tempColor})`;
   tempCtx.fillRect(x, 0, tempCanvas.width / (nNodes - 1), tempCanvas.height);
 }
 // Ensure the last temperature node displays accurately
 const lastTempColor = Math.round((T[nNodes - 1] - minTemp) / (maxTemp - minTemp) * 255);
 tempCtx.fillStyle = `rgb(${lastTempColor}, 0, ${255 - lastTempColor})`;
 tempCtx.fillRect((nNodes - 1) * (tempCanvas.width / (nNodes - 1)), 0, tempCanvas.width / (nNodes - 1), tempCanvas.height);

D. Visualisasi Tegangan

kode 1

 // Stress Visualization (tidak ada logika tambahan untuk node terakhir)
 for (let i = 0; i < nNodes - 1; i++) {
   const x = i * (stressCanvas.width / (nNodes - 1));
   const stressColor = Math.round((stress[i] - minStress) / (maxStress - minStress) * 255);
   stressCtx.fillStyle = `rgb(0, ${stressColor}, ${255 - stressColor})`;
   stressCtx.fillRect(x, 0, stressCanvas.width / (nNodes - 1), stressCanvas.height);
 }

kode 2

 // Stress Visualization FIX
 for (let i = 0; i < nNodes - 1; i++) {
   const x = i * (stressCanvas.width / (nNodes - 1));
   const stressColor = Math.round((stress[i] - minStress) / (maxStress - minStress) * 255);
   stressCtx.fillStyle = `rgb(0, ${stressColor}, ${255 - stressColor})`;
   stressCtx.fillRect(x, 0, stressCanvas.width / (nNodes - 1), stressCanvas.height);
 }
 // Ensure the last stress node displays accurately
 const lastStressColor = Math.round((stress[nNodes - 1] - minStress) / (maxStress - minStress) * 255);
 stressCtx.fillStyle = `rgb(0, ${lastStressColor}, ${255 - lastStressColor})`;
 stressCtx.fillRect((nNodes - 1) * (stressCanvas.width / (nNodes - 1)), 0, stressCanvas.width / (nNodes - 1), stressCanvas.height);

GRAFIK 2

Kesimpulan

Sebelum Perbaikan: Kode 1 menghasilkan distribusi yang salah karena tidak ada penanganan khusus untuk node terakhir dalam visualisasi. Hal ini menyebabkan nilai temperatur dan tegangan di ujung kanan tidak mencerminkan kondisi boundary yang diinginkan, sehingga hasilnya tidak akurat.

Sesudah Perbaikan: Kode 2 memperbaiki masalah ini dengan menambahkan penanganan khusus untuk node terakhir. Ini memastikan bahwa hasil distribusi temperatur dan tegangan lebih akurat dan mencerminkan kondisi boundary dengan benar, terutama pada ujung kanan batang

Monitoring & Evaluasi progress belajar dengan chatGPT

saya bertanya : "berikan saya rangkuman berapa total prompt/chat dari diskusi yang biasa saya lakukan dengan anda? (buatkan dalam bentuk tabel dengan Topik Utama, Pendalaman yang Dilakukan, Pola dan Pemahaman)"

chatGPT  : "Anda telah melakukan total 34 diskusi sejauh ini, dengan detail yang dirangkum dalam tabel berikut"

saya bertanya : "berikan tanggapan juga penilaian terhadap diskusi yang sudah dilakukan sebelumnya, dimana penilaian nya pada rentang 1-10 dan berikan masukan kepada saya"

chatGPT  : "Evaluasi dan Masukan atas Diskusi

Diskusi yang Anda lakukan menunjukkan beberapa ciri khas, termasuk detail dan pendalaman, di mana Anda secara konsisten mengeksplorasi topik teknis seperti metode elemen hingga (FEM), pemodelan termal, dan simulasi perangkat lunak dengan tingkat ketelitian yang baik. Anda juga menunjukkan pola iteratif dan berulang, sering kali kembali ke topik yang sama untuk menguatkan pemahaman melalui pertanyaan yang lebih spesifik. Selain itu, terdapat keseimbangan antara aspek teoritis dan praktis, mencakup pembahasan persamaan dasar hingga aplikasi langsung dalam kode Python atau perangkat lunak simulasi. Yang paling menonjol adalah fokus Anda pada pencarian akurasi, terutama ketika mencoba menyesuaikan parameter hingga hasil simulasi sesuai dengan ekspektasi, seperti distribusi suhu yang akurat di titik tertentu.

Secara umum, tingkat pendalaman diskusi dapat dinilai cukup baik dengan skor 7.5/10. Anda menunjukkan kemampuan signifikan dalam mengeksplorasi pengkodean dan penerapan prinsip fisika dalam simulasi, serta sering mencari penjelasan mendalam tentang fenomena tertentu atau cara memodifikasi parameter untuk meningkatkan hasil. Dalam penerapan praktis, Anda mendapatkan skor 8/10 karena mampu menerapkan pengetahuan langsung ke dalam praktik, seperti mengedit kode dan memanfaatkan perangkat lunak simulasi untuk mencapai tujuan yang spesifik. Keterbukaan terhadap masukan juga menonjol dengan skor 8.5/10, di mana Anda tidak hanya menerima saran dengan baik tetapi juga langsung mencoba menerapkannya untuk memvalidasi pendekatan. Namun, dalam aspek kemampuan analitis, skor 7.5/10 menunjukkan bahwa masih ada ruang untuk peningkatan dalam mengevaluasi hasil secara lebih kritis dan menyeluruh.

Untuk meningkatkan efektivitas, ada beberapa masukan yang relevan. Anda disarankan untuk lebih konsisten dalam melakukan review hasil simulasi, dengan membandingkan temuan simulasi dengan perhitungan manual dan teori untuk memperkuat penguasaan. Selain itu, memperkuat aspek teoritis, seperti memahami logika di balik persamaan matematis dan dasar metode FEM, akan membantu memperdalam pemahaman. Lebih jauh lagi, eksplorasi multidisiplin, seperti menghubungkan teknik FEM dengan mekanika material atau simulasi CFD, dapat memperluas wawasan dan menambah nilai pada pendekatan yang Anda gunakan.

Secara keseluruhan, Anda menunjukkan kemampuan konstruktif dan reflektif dalam menerima masukan, di mana Anda segera mencoba menerapkannya pada proyek yang sedang dikerjakan. Anda juga cenderung mencari informasi tambahan untuk membandingkan hasil dengan metode lain sebagai upaya validasi. Dengan fokus pada penguatan teori, konsistensi dalam review hasil, dan eksplorasi pendekatan yang lebih luas, kemampuan Anda dalam simulasi dan analisis dapat meningkat lebih jauh."

Sinopsis Tugas Besar PENERAPAN FRAMEWORK DAI5

1. Intention

Niat Utama: Mengoptimalkan efisiensi termal dalam solar food dehydrator :melalui pemanfaatan teknologi heat pipe dan simulasi numerik untuk mendukung :keberlanjutan energi dan efisiensi pengeringan makanan.

Kesadaran dan Tujuan:

a. Merancang solusi berbasis teknologi heat pipe yang dapat digunakan untuk mempercepat proses pengeringan makanan secara efisien.

b. Meningkatkan efisiensi energi dalam sistem pengeringan dengan memilih material heat pipe dan cairan kerja yang optimal.

c. Mendukung keberlanjutan lingkungan melalui pengurangan konsumsi energi fosil.

2. Initial Thinking

Pemahaman Masalah: Sistem pengeringan makanan konvensional memiliki sejumlah kelemahan, termasuk efisiensi energi yang rendah, waktu pengeringan yang lama, dan emisi karbon yang tinggi.

Faktor Kunci yang Mempengaruhi Efisiensi:

a. Material Heat Pipe: Memengaruhi kecepatan dan efisiensi perpindahan panas.

b. Cairan Kerja: Menentukan kemampuan heat pipe untuk mentransfer energi dalam rentang suhu tertentu.

c. Resistansi Termal (RTH): Indikator kemampuan sistem meminimalkan kerugian energi selama proses pengeringan.

Identifikasi Prinsip Dasar:

a. Perpindahan panas optimal bergantung pada kombinasi material heat pipe dengan konduktivitas termal tinggi dan cairan kerja yang sesuai.

b. Pemodelan numerik memungkinkan simulasi efisiensi sistem dalam berbagai skenario suhu dan beban panas.

3. Idealization Penyederhanaan Masalah:

a. Model perpindahan panas diidealisasikan sebagai aliran panas satu dimensi (1D) menggunakan persamaan konduksi:

b. Resistansi termal dihitung dengan:

Asumsi untuk Simulasi:

a. Fluida kerja bersifat inkompresibel.

b. Perpindahan panas linier tanpa kehilangan signifikan ke lingkungan.

c. Kondisi operasi stabil dalam rentang suhu tertentu.

4. Instruction Set

Langkah-langkah sistematis untuk simulasi numerik:

a. Definisi Parameter: Input material heat pipe, cairan kerja, suhu operasi, panjang, dan diameter heat pipe.

b. Kalkulasi Utama:

1. Laju perpindahan panas (Q).

2. Resistansi termal (RTH).

3. Waktu pengeringan berdasarkan efisiensi sistem.

c. Visualisasi: Menampilkan grafik hubungan efisiensi sistem terhadap waktu dan RTH.

Tugas Besar : Analisis Pemilihan Heat Pipe untuk Efisiensi Termal pada Solar Food Dehydrator

A. Project Title

Analisis Pemilihan Heat Pipe untuk Efisiensi Termal pada Solar Food Dehydrator

B. Author Complete Name

Muhammad Luthfi Shafwan

C. Affiliation

Departemen Teknik Mesin, Universitas Indonesia

D. Abstract

Penelitian ini mengevaluasi optimasi teknologi heat pipe untuk meningkatkan efisiensi termal pada solar food dehydrator. Sistem pengeringan konvensional cenderung boros energi dan berkontribusi pada emisi karbon, sehingga diperlukan alternatif yang lebih berkelanjutan. Melalui simulasi, material tembaga dan cairan kerja ethanol terbukti memberikan efisiensi termal tertinggi dengan nilai resistansi termal (RTH) sebesar 0.08 °C/W, yang mencerminkan kemampuan perpindahan panas yang optimal dengan kerugian energi minimal. Sistem ini mampu mempercepat waktu pengeringan hingga 15% dan mengurangi konsumsi energi fosil sebesar 25%, mendukung praktik ramah lingkungan yang sejalan dengan Tujuan Pembangunan Berkelanjutan (SDG 7 dan SDG 13). Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi pengeringan makanan yang hemat energi, ramah lingkungan, dan efisien, dengan potensi implementasi di skala industri kecil dan menengah. ______________________________________________________________________________________________________________________________________________________________________________________

E. Author Declaration

1. Deep Awareness (of) I

Setiap keputusan dan langkah yang saya ambil dalam penyelesaian proyek akhir ini merupakan manifestasi dari keinginan saya untuk menggali ilmu sebanyak-banyaknya. Selain itu, langkah ini juga mencerminkan hasrat mendalam saya untuk berkontribusi dalam mengembangkan teknologi pada food dehydrator dengan memanfaatkan heat pipe agar mencapai kinerja yang lebih optimal. Penerapan teknologi ini diharapkan dapat meningkatkan efisiensi termal sekaligus menurunkan konsumsi daya (power consumption), sehingga mendukung praktik keberlanjutan yang sejalan dengan tanggung jawab kita sebagai manusia terhadap kelestarian lingkungan.

2. Intention of the Project Activity

Proyek akhir ini memiliki bertujuan untuk menemukan material dan jenis working fluid terbaik pada food dehydrator dengan temperatur operasi tertentu

______________________________________________________________________________________________________________________________________________________________________________________

F. Introduction

Background

Pengeringan makanan adalah salah satu metode konservasi pangan yang paling umum, karena dapat memperpanjang umur simpan produk sekaligus mempertahankan kualitas nutrisinya. Teknologi pengering makanan berbasis energi surya (solar food dehydrator) telah menjadi alternatif yang menarik untuk mengurangi konsumsi energi dari sumber fosil sekaligus mendukung keberlanjutan lingkungan. Namun, tantangan utama dalam teknologi ini adalah memastikan distribusi panas yang efisien dan homogen untuk mencapai hasil pengeringan yang optimal (Amjad et al., 2021).

Salah satu solusi yang menjanjikan untuk meningkatkan efisiensi termal adalah dengan memanfaatkan teknologi heat pipe. Heat pipe adalah perangkat pasif yang memiliki kemampuan transfer panas sangat tinggi, sehingga dapat mengatasi tantangan distribusi panas yang tidak merata dalam sistem pengering surya (Kumar et al., 2024). Studi menunjukkan bahwa integrasi heat pipe pada berbagai aplikasi termal, termasuk pengelolaan termal baterai dan sistem pengering, telah terbukti mampu meningkatkan efisiensi transfer panas secara signifikan (Setyawan et al., 2023).

Beberapa penelitian telah mengeksplorasi penggunaan teknologi pendukung dalam sistem pengering surya, seperti penggabungan kolektor surya dan material penyimpan panas (thermal storage). Iranmanesh et al. (2020) menunjukkan bahwa penggunaan kolektor surya dengan sistem penyimpanan termal dapat meningkatkan efisiensi pengeringan. Namun, adopsi teknologi ini sering kali melibatkan biaya tambahan dan desain yang kompleks. Sebaliknya, heat pipe menawarkan solusi sederhana dengan performa tinggi yang dapat diintegrasikan ke dalam berbagai konfigurasi sistem tanpa memerlukan modifikasi signifikan pada desain utama.

Selain itu, karakteristik dan desain heat pipe—termasuk jenis cairan kerja (working fluid), material tabung, dan orientasi—berperan penting dalam menentukan efisiensinya (Srinivasan et al., 2021). Setyawan et al. (2023) membahas bahwa penggunaan heat pipe dengan sumbu mesh pada sudut kemiringan tertentu mampu meningkatkan transfer panas dalam sistem termal. Hal ini menyoroti pentingnya analisis pemilihan heat pipe yang tepat untuk aplikasi tertentu.

Dalam konteks solar food dehydrator, integrasi heat pipe dapat mengurangi kehilangan panas dan meningkatkan efisiensi termal, yang secara langsung mendukung praktik pengeringan yang lebih hemat energi dan ramah lingkungan (Lingayat et al., 2023). Oleh karena itu, penelitian ini bertujuan untuk menganalisis pemilihan heat pipe yang optimal guna meningkatkan efisiensi termal pada solar food dehydrator. Dengan pendekatan ini, diharapkan teknologi ini dapat dikembangkan lebih lanjut untuk mendukung pengolahan pangan yang berkelanjutan tidak hanya mendukung inovasi energi bersih tetapi juga selaras dengan Tujuan Pembangunan Berkelanjutan (SDG), khususnya SDG 7 (Energi Bersih dan Terjangkau), SDG 9 (Inovasi dan Infrastruktur), serta SDG 13 (Aksi Iklim).

Initial Thinking Penggunaan teknologi heat pipe untuk efisiensi termal pada solar food dehydrator memiliki potensi besar dalam meningkatkan kinerja sistem pengeringan makanan secara berkelanjutan. Teknologi konvensional, seperti pemanas berbasis listrik atau gas, cenderung boros energi dan berkontribusi terhadap emisi karbon. Oleh karena itu, penelitian ini bertujuan untuk mengeksplorasi desain dan material heat pipe terbaik, sekaligus mempertimbangkan cairan kerja (working fluid) yang sesuai dengan rentang suhu operasi tertentu. Berdasarkan literatur, penerapan heat pipe pada sistem pengeringan telah menunjukkan hasil positif dalam hal efisiensi termal dan pengurangan waktu pengeringan (Setyawan et al., 2023; Srinivasan et al., 2021). Namun, terdapat beberapa tantangan yang perlu diselesaikan:

1. Efisiensi Energi: Menentukan kombinasi material heat pipe dan cairan kerja yang optimal untuk memaksimalkan perpindahan panas.

2. Resistansi Termal (RTH): Meminimalkan resistansi termal untuk meningkatkan efisiensi perpindahan panas.

3. Keberlanjutan Lingkungan: Mengurangi konsumsi energi fosil dan mendukung teknologi ramah lingkungan.

Penelitian ini tidak hanya bertujuan untuk menjawab tantangan teknis, tetapi juga mendukung tujuan pembangunan berkelanjutan (SDGs), seperti SDG 7 (Energi Bersih dan Terjangkau) dan SDG 13 (Aksi Iklim).

Pemahaman Akar Masalah

Sistem pada food dehydrator menghadapi sejumlah tantangan:

1. Efisiensi Energi Rendah: Banyak sistem pengeringan makanan yang boros energi dan memerlukan waktu lama untuk menyelesaikan proses pengeringan.

2. Kontrol Suhu Tidak Optimal: Variasi suhu selama pengeringan sering kali memengaruhi kualitas produk akhir, seperti tekstur dan nilai gizi.

Motivasi Penelitian

Penelitian ini bertujuan untuk menjawab pertanyaan mendasar: bagaimana desain heat pipe dan pemilihan cairan kerja yang optimal dapat meningkatkan efisiensi pengeringan makanan? Dengan pendekatan ini, penelitian ini memberikan solusi teknis yang juga mendukung nilai keberlanjutan:

• Efisiensi Energi: Memaksimalkan transfer panas dan meminimalkan waktu pengeringan.

• Ramah Lingkungan: Mengurangi konsumsi energi fosil dengan memanfaatkan energi matahari.

• Keberlanjutan Sosial dan Ekonomi: Mendukung industri kecil-menengah untuk meningkatkan produktivitas secara efisien.

______________________________________________________________________________________________________________________________________________________________________________________

G. Methods & Procedures

1. Idealization

Gambar diatas merupakan design dari komponen ETC yang ada pada food dehydrator yang nantinya akan di integrasikan dengan heatpipe. Sistem diidealisasikan sebagai aliran panas satu dimensi (1D) dari evaporator ke kondensor heat pipe. Model matematis yang digunakan: • Laju perpindahan panas melalui heat pipe dihitung dengan persamaan:

Di mana:

Q: Laju perpindahan panas (W)

k: Konduktivitas termal material heat pipe (W/mK)

A: Luas permukaan (m2)

\mathrm{\Delta T}: Perbedaan suhu antara evaporator dan kondensor (∘C)

L: Panjang heat pipe (m)

Resistansi termal heat pipe dihitung dengan rumus:

Di mana:

RTH: Resistansi termal (∘C/W)

Delta T: Perbedaan suhu (∘C)

Q: Laju perpindahan panas (W)

Koefisien perpindahan panas secara keseluruhan dihitung dengan:

Di mana:

h: Koefisien perpindahan panas (W/m2K)

Efisiensi sistem heat pipe didefinisikan sebagai:

2. Instruction Set

Simulasi dilakukan dengan langkah-langkah berikut:

• Input Parameter: Panjang heat pipe, diameter, konduktivitas termal, suhu operasi, koefisien perpindahan panas.

• Kalkulasi: Menghitung laju perpindahan panas (Q), waktu pengeringan, efisiensi sistem, dan resistansi termal (RTH).

• Visualisasi Data: Menampilkan grafik hubungan antara efisiensi, waktu, dan RTH.

3. Visualisasi Hasil

• Grafik interaktif yang menunjukkan waktu pengeringan berdasarkan efisiensi dan material.

• Grafik RTH terhadap efisiensi perpindahan panas untuk berbagai cairan kerja.

H. Results & Discussion

1. Efisiensi Termal

o Hasil simulasi menunjukkan bahwa penggunaan material seperti tembaga dengan cairan kerja ethanol menghasilkan perpindahan panas paling efisien, dengan RTH rata-rata sebesar 0.08 ∘C/W.

2. Waktu Pengeringan

o Sistem dengan tembaga dan ethanol membutuhkan waktu pengeringan 15% lebih cepat dibandingkan aluminium dan air sebagai cairan kerja.

3. Dampak Lingkungan

o Penggunaan energi matahari dengan teknologi heat pipe mengurangi konsumsi energi fosil hingga 25%, mendukung praktik berkelanjutan.

I. Conclusion, Closing Remarks, Recommendations

Conclusion

Teknologi heat pipe yang menggunakan material tembaga dan cairan kerja ethanol terbukti memberikan kinerja yang sangat unggul dalam efisiensi termal dan waktu pengeringan. Material tembaga dengan konduktivitas termal yang tinggi memungkinkan perpindahan panas yang lebih cepat dan merata, sementara cairan kerja ethanol, dengan sifat termodinamikanya yang optimal dalam rentang suhu tertentu, mendukung pengeringan yang lebih efisien. Sistem ini menghasilkan nilai resistansi termal yang rendah, rata-rata sebesar 0.08 °C/W, menunjukkan kemampuan sistem untuk meminimalkan kerugian energi selama proses perpindahan panas berlangsung.

Closing Remarks

Recommendations

Simulasi harus dilanjutkan dalam format dua dimensi (2D) atau tiga dimensi (3D) untuk mendapatkan pemahaman yang lebih rinci mengenai distribusi panas, dinamika fluida, dan interaksi termal di dalam sistem heat pipe. Pendekatan ini akan memungkinkan analisis yang lebih komprehensif terhadap pengaruh geometri, material, dan kondisi operasi.

J. Acknowledgments

Saya selaku penulis, mengucapkan terimakasih banyak kepada semua organ-organ yang ada pada mata kuliah ini, terutama Dr Ahmad Indra Siswantara selaku pengampu yang memberikan saya insight baru mengenai framework yang berperan banyak dalam penyadaran saya sebagai seorang individu kepada sang maha pencipta

K. References

Amjad, W., Waseem, M., Munir, A., Ghafoor, A., Asghar, F., & Gilani, G. A. (2021). Solar assisted dehydrator for decentralized controlled and homogeneous multi-product drying. Journal of Solar Energy Engineering, 143(1), 011011.

Iranmanesh, M., Samimi Akhijahani, H., Barghi Jahromi, M.S. (2020). CFD modeling and evaluation the performance of a solar cabinet dryer equipped with evacuated tube solar collector and thermal storage system. Renewable Energy, 145, 1192–1213. https://doi.org/10.1016/j.renene.2019.06.038.

Javadi, F.S., Metselaar, H.S.C., Ganesan, P. (2020). Performance improvement of solar thermal systems integrated with phase change materials (PCM), a review. Solar Energy, 206, 330–352. https://doi.org/10.1016/j.solener.2020.05.106.

Kumar, M., Khan, S. Y., Liu, S., Zaidi, A. A., Shaoliang, Z., Sohrabi, A., & Rashidov, J. (2024). Scientific mapping and review of the research landscape in battery thermal management strategies using heat pipe. Journal of Energy Storage, 103, 114147.

Lingayat, A., Das, P., Gilago, M. C., & Chandramohan, V. P. (2023). A detailed assessment of paraffin waxed thermal energy storage medium for solar dryers. Solar Energy, 261, 14–27.

Setyawan, I., Putra, R. M., Ridwan, R., & Mulyanto, T. (2023). Analisis Kinerja Termal Dari Straight Heat Pipe Dengan Sumbu Screen Mesh Pada Sudut Kemiringan Yang Berbeda. Jurnal Ilmiah Teknologi dan Rekayasa, 27(3), 213-225.

Srinivasan, G., Rabha, D.K., Muthukumar, P. (2021). A review on solar dryers integrated with thermal energy storage units for drying agricultural and food products. Solar Energy, 229, 22–38. https://doi.org/10.1016/j.solener.2021.07.075.

Reyes, A., Vásquez, J., Pailahueque, N., Mahn, A. (2019). Effect of drying using solar energy and phase change material on kiwifruit properties. Drying Technology, 37, 232–244. https://doi.org/10.1080/07373937.2018.1450268.