Finite Element & Multi-Physics

Semester Ganjil 2024/2025

Finite Element is a numerical approach used to solve engineering and physics problems by dividing complex systems into smaller, simpler elements. It is often referred to as Finite Element Method (FEM) and Finite Element Analysis (FEA). Multiphysics refers to simulations involving more than one interacting physical phenomenon. In engineering practice, many systems require combined analysis because there is a relationship between different physical aspects, such as thermal, mechanical, fluid, and electromagnetic.

As a mechanical engineering student, understanding and applying Finite Element Method (FEM) and Multiphysics are very important skills as they provide a solid foundation for analyzing, designing, and optimizing engineering systems in a deep and holistic manner. By mastering these two approaches, students can tackle complex engineering challenges in an efficient, innovative and accurate manner.

---

CALCULIX

Syllabus and Handout

Example of FEM and Analytical Solution

Pipe Stress Analysis

Axial buried pipe displacement

1D MultiPhysics Finite Element

---

Nicholas Ego Guarsa

Wahyu Purnawirawan

Hazimi Hamar

Mohammad Rafi

Irwan Haryanto

Tanveer khan

Muhammad Alif Wahab Adhicahya

---

Analisis 1D Elemen Multifisik pada Struktur Pipa HDPE Menggunakan Metode FEM dan ANN dengan Pendekatan DAI5 Framework oleh Nicholas Ego Guarsa

Analisa 1D Elemen Multiphysics FEM untuk Tegangan Termal dengan Artificial Neural Network (ANN) Menggunakan Framework DAI5 Studi Kasus Bar Baja Silindris 1D by Irwan Haryanto

Predicting Static Stress in One-Dimensional Bar Elements Using Artificial Neural Networks coupled with DAI5 Framework-by-Tanveer Khan

Analisis 2D Multiphysics Thermal-Structural Coupling pada Pressure Vessel Nozzle dan Shell-Head menggunakan Finite Element Analysis (FEM) dan Artificial Neural Network (ANN) dengan Framework DAI5 - by - Hazimi Hamar

Pengembangan Model ANN untuk Analisis Multiphysics Struktur Komposit sebagai Alternatif Metode Finite Element - by - Wahyu Purnawirawan

Optimasi Desain Struktur Kapal Ikan Menggunakan Kombinasi Numerik dan Machine Learning by Mohammad Rafi

Penelitian ini bertujuan untuk mengoptimalkan struktur kapal ikan dengan mempertimbangkan jenis konstruksi sebagai variabel utama. Pendekatan yang digunakan mengintegrasikan metode Finite Element Method (FEM) dengan teknologi kecerdasan buatan melalui Machine Learning (ML). Proses simulasi diawali dengan analisis menggunakan FEM untuk mengeksplorasi berbagai variasi parameter dan menghasilkan data relevan. Data ini kemudian diolah dengan Machine Learning untuk mempercepat proses optimasi dan menciptakan desain yang efisien serta sesuai dengan kebutuhan industri perkapalan. Dalam penelitian ini, kesadaran akan tujuan utama selaras dengan tanggung jawab etis dan nilai spiritual dalam menciptakan solusi yang berkelanjutan dan bernilai manfaat bagi masyarakat luas.

Desain struktur kapal ikan yang dianalisis berfokus pada bagian lambung kapal, mengingat bagian ini berperan krusial dalam menopang beban dan menentukan performa keseluruhan kapal. Untuk mempercepat waktu simulasi, digunakan pendekatan simetri (Symmetric Boundary) pada model kapal ikan berkapasitas 5 GT dengan panjang 10 meter, yang sering ditemukan di perairan Indonesia. Variabel utama yang dikaji adalah jenis konstruksi kapal, yaitu memanjang, melintang, dan campuran, serta variasi ketebalan pelat kapal untuk mengevaluasi dampaknya terhadap kekuatan struktural, biaya, dan kecepatan kapal. Simulasi dilakukan dengan mempertimbangkan kondisi batas yang merepresentasikan kondisi aktual kapal di perairan Indonesia, termasuk faktor beban muatan yang memengaruhi kekuatan struktur kapal. Proses simulasi ini dilengkapi dengan validasi konvergensi untuk memastikan akurasi, di mana perbedaan hasil simulasi antar ukuran mesh tidak melebihi 2%.

Hasil simulasi FEM berupa data performa, tegangan, tekanan, jenis konstruksi, dan ketebalan pelat kemudian diolah dengan Machine Learning. Integrasi FEM dan Machine Learning memungkinkan proses optimasi dilakukan tanpa perlu pengulangan simulasi (loop-test) yang berlebihan. Hal ini tidak hanya mempercepat proses desain tetapi juga memastikan model yang dihasilkan lebih optimal, efisien, dan relevan untuk diterapkan pada berbagai skenario operasional. Pendekatan ini mempertimbangkan aspek keberlanjutan, seperti pengurangan limbah material dan peningkatan efisiensi energi, yang memberikan dampak positif baik secara ekonomi maupun lingkungan.

Evaluasi penelitian ini menggunakan framework DAI5, yang mencakup kesadaran mendalam, niat yang selaras dengan nilai spiritual, analisis masalah yang mendalam, idealisasi solusi yang realistis, dan penyusunan instruksi yang jelas dan terstruktur. Dalam aspek kesadaran mendalam, penelitian ini tidak hanya berfokus pada solusi teknis tetapi juga mempertimbangkan dampak etis, spiritual, dan sosial yang lebih luas. Niat penelitian ini selaras dengan tujuan keberlanjutan global, yaitu menciptakan desain kapal yang ekonomis, efisien, dan ramah lingkungan. Analisis masalah dilakukan secara menyeluruh dengan mempertimbangkan perspektif berbagai pemangku kepentingan dan akar penyebab masalah. Idealisasi solusi didasarkan pada prinsip kesederhanaan, efisiensi, dan skalabilitas. Seluruh proses dilengkapi dengan dokumentasi yang profesional untuk memastikan bahwa hasil penelitian dapat dimanfaatkan oleh berbagai pihak.

Penelitian ini menunjukkan bahwa integrasi metode numerik dan teknologi Machine Learning dapat menciptakan solusi desain kapal ikan yang tidak hanya efisien secara teknis tetapi juga berdampak positif pada keberlanjutan dan nilai sosial. Evaluasi berdasarkan DAI5 memastikan bahwa pendekatan ini mendukung pengambilan keputusan berbasis data, selaras dengan nilai etika, spiritualitas, dan keberlanjutan global. Dengan demikian, penelitian ini diharapkan dapat menjadi langkah maju dalam pengembangan teknologi desain kapal ikan yang relevan dengan kebutuhan industri perkapalan di Indonesia.

Analisis 1 Dimensi Finite Element and Multiphysics pada Struktur Pipa HDPE menggunakan Finite Element Method (FEM) dan Artificial Neural Network (ANN) dengan Pendekatan DAI5 Framework by Nicholas Ego Guarsa

Dalam menganalisis sebuah permasalahan, penting bagi kita untuk menggunakan sebuah kerangka berpikir/framework. Karena dengan adanya kerangka berpikir akan membantu dalam analisis masalah secara runtut sehingga didapatkan hasil yang sesuai dengan apa yang telah ditentukan. DAI5 bisa menjadi solusi alternatif untuk menggunakan framework kerangka berpikir dalam menyelesaikan sebuah permasalahan. Tidak terkecuali dalam kasus analisis sebuah pipa HDPE yang sering ditemukan dalam rumah-rumah yang berfungsi sebagai penyalur air bersih yang digunakan untuk memenuhi kebutuhan sehari-hari.

Pipa HDPE memiliki berbagai keunggulan, di antaranya tahan terhadap karat, tegangan tertentu, efek panas, serta memiliki umur yang relatif lama. Selain itu, pipa HDPE aman digunakan untuk menyalurkan air bersih. Kondisi aktual yang ada saat ini adalah pipa tersebut terpasang dengan berbagai kondisi. Ada yang dipasang di tanah, menempel di dinding, atau bahkan tergantung menggantung. Selain itu, tidak jarang juga terpapar sinar matahari secara langsung. Selingan ini akan memengaruhi performansi dari pipa HDPE tersebut.

Pada kesempatan ini, penulis akan mencoba menganalisis pipa HDPE pada kondisi menggantung dan ditopang di kedua ujung. Kemudian terdapat beban, yaitu beban pipa HDPE tersebut dan beban dari air yang ada di dalamnya. Pipa tersebut juga terpapar sinar matahari di jam tertentu yang menyebabkan panas yang diterima juga berbeda. Panjang pipa yang ditopang beragam dan juga beda ketinggian kedua ujung (kemiringan pipa).

Berikut adalah penjabarannya:

Dimulai dari Initiator, yaitu saya sendiri - "I am my consciousness" sebagai Deep Awareness of I. Mengerjakan analisis atas dasar keyakinan tentang fenomena alam pada pipa HDPE. Di sini, saya adalah subjek atau pelaku dalam analisis yang telah menentukan bagaimana analisis ini nantinya akan berjalan dan menentukan batasan masalah dan tujuan yang ingin didapatkan dari hasil analisis.

Dilanjutkan dengan Intention. Intention saya adalah ingin mempelajari fenomena alam pada pipa HDPE. Karena dengan mempelajarinya, saya bisa mengimplementasikan di rumah saya bagaimana permasalahan sederhana bisa terpecahkan dengan baik serta tentunya mendapatkan rasa "legowo" bagaimana alam bekerja dengan keteraturannya atas kehendak Tuhan yang Maha Esa.

Initial Thinking pada kasus ini adalah material pipa yang dianalisis adalah HDPE dengan struktur ditopang pada kedua ujungnya, memiliki panjang dan diameter tertentu, terpapar sinar matahari yang berdampak panas pada pipa HDPE tersebut. Pipa dianalisis memiliki beda ketinggian pada kedua ujungnya (memiliki kemiringan).

Idealization pada kasus ini adalah mencakup batasan masalah dan kondisi ideal dari analisis. Misalkan struktur pipa dianggap seragam, ukuran pipa juga seragam. Kondisi ini memperhitungkan lingkungan yang di daerah tropis/khatulistiwa. Tidak membahas aliran fluida yang terjadi di dalam pipa.

Instruction Set yang digunakan adalah: Software FEM yang digunakan untuk analisis perpindahan, distribusi panas, dan distribusi tegangan pada pipa, adalah Autodesk Inventor. Analisis dilakukan beberapa kali dengan variabel yang berbeda untuk mendapatkan data set training. Data set training nantinya akan di-import ke dalam ANN yang bertujuan untuk dijadikan basis data untuk memberikan hasil analisis prediksi. ANN dibuat menggunakan bahasa pemrograman Python dan dijalankan menggunakan library seperti PyCharm. Sebelum menganalisis menggunakan ANN, data input adalah panjang pipa, diameter pipa, kemiringan pipa, serta sumber panas yang dihasilkan oleh matahari.

Analisis kasus ini didasari oleh penulis atas dasar keingintahuan akan adanya efek multiphysic yang terjadi pada pipa HDPE yang telah dijelaskan sebelumnya. Penulis dengan sadar tertarik bagaimana ilmu pengetahuan yang telah berkembang dari yang masih manual menggunakan perhitungan matematis. Misal untuk mengetahui perpindahan serta dengan rumus F = kΔx.

Konstan k adalah beban/gaya yang bekerja adalah konstan pegas, serta Δx adalah nilai perpindahan itu sendiri. Apabila analisis yang dikerjakan masih sederhana, misalkan analisis dilakukan pada dimensi 1 kemudian nodal dan elemen tidak sedikit (maksimum 3). Masih memungkinkan dihitung secara manual untuk mendapatkan perpindahan pada setiap nodal. Namun, apabila nodal dan elemen lebih banyak dibutuhkan cara yang lebih cepat dan lebih efisien untuk menyelesaikannya, maka digunakan software alternatif seperti Autodesk Nastran.

Sebagai alat bantu untuk menyelesaikan perhitungan Finite Element untuk mendapatkan hasil yang akurat dan waktu yang lebih cepat. Tidak cukup itu, sekarang ada teknologi machine learning berbasis Artificial Neural Network (ANN) yang bisa memberikan data analisis prediksi terhadap sebuah kasus tidak terkecuali Finite Element di atas. Setelah kita mendapatkan data set training hasil analisis menggunakan software Nastran, kita bisa input data set tersebut ke ANN untuk digunakan sebagai basis data untuk membantu memprediksi hasil yang lebih cepat. Semakin banyak dataset training yang digunakan, maka semakin akurat juga hasil yang telah diprediksi menggunakan ANN.

Analisis 2D pada sistem struktural dan tegangan termal untuk line pipe elbow menggunakan Finite Element Method (FEM) dan Artificial Neural Network (ANN) dengan struktur framework DAI5 - by - Hazimi Hamar

Hazimi Hamar (2306292885)

Pada industri, pembangunan yang meliputi manufaktur proses, proses kimia, elektroknomik, dan aliran fluida sering kali menggunakan sistem perpipaan sebagai workflow dari distribusi energi. Perpipaan memiliki peran penting untuk distribusi ini sehingga manufaktur perancangan dari sistem perpipaan harus dijaga keandalan dan integrasinya. Khususnya terhadap line pipe elbow atau siku pada pipa, bagian ini sering kali mendapatkan konsentrasi dari masalah struktural seperti tegangan, regangan, dan deformasi. Bagian ini juga menghadapi tantangan distribusi suhu serta kondisi material internal dan eksternal, menjadikannya sebagai masalah rekayasa (engineering problem) yang kompleks dalam dunia industri. Pendekatan yang bisa dilakukan dapat menggunakan Finite Element Multiphysics (FEM), metode ini terbagi menjadi 2 yaitu Finite Element Method dan Finite Element Analysis (FEA) untuk dapat mendeskripsikan struktural dan termal dari perancangan line pipe elbow dimana kondisi dari pipa sering dilalui oleh kondisi internal dan eksternal dalam proses operasi. Finite Element memberikan solusi untuk membentuk matriks kekakuan global: K = ΣK untuk matriks kekakuan elemen dan persamaan numerik: KU = F dimana U adalah vektor perpindahan dan F adalah vektor gaya. FEM memiliki tipe elemen yaitu 1D untuk batang dan truss, 2D untuk bidang, dan 3D untuk struktur volumetrik kompleks. Ada dari itu, pada studi kasus line pipe elbow termasuk ketahanan elemen 2D untuk reda bidang terhadap struktural yang dapat dianalisis frame stress dan strain, lalu dengan melihat kondisi axial dan analisis distribusi juga dapat diterapkan. Oleh karena itu penelitian ini disebut 2D Multiphysics.

Framework DAI5 diterapkan dengan kesadaran penuh akan peran Sang Pencipta sebagai pemilik segala ilmu pengetahuan yang menjadi dasar dalam penyelesaian masalah ini. Penelitian ini dirancang untuk memahami lebih dalam kaitan antara sistem teknis dan keberlanjutan ciptaan Tuhan. Penelitian ini menyadari potensi bias yang muncul, termasuk asumsi teknis dan kesenjangan pemahaman antara perspektif ilmiah dan nilai spiritual. Kesadaran ini membantu menjaga objektivitas dan integrasi dalam analisis. Proses ini melibatkan evaluasi etis terkait dampak lingkungan, keberlanjutan sumber daya, dan keadilan sosial dalam penerapan solusi. Sepanjang analisis, pengingatan kepada Sang Pencipta (Cara Cerdas Ingat Tuhan/CCIT) menjadi landasan dalam setiap keputusan teknis yang diambil. Penelitian ini menghubungkan solusi teknis dengan dampak spiritual dan sosial, memastikan pendekatan holistik dalam menyelesaikan masalah rekayasa. Kesadaran terhadap semua tahapan analisis dijaga secara progresif dan tidak terputus, menciptakan proses yang konsisten dan bermakna. Penelitian ini bertujuan menghasilkan solusi struktural dan termal untuk line pipe elbow yang tidak hanya andal secara teknis, tetapi juga sesuai dengan nilai-nilai universal dan penghormatan kepada ciptaan Tuhan. Objektif penelitian selaras dengan prinsip-prinsip keberlanjutan dan nilai kebaikan yang lebih besar, memastikan hasil penelitian memberikan manfaat luas. Intensi penelitian relevan dengan kebutuhan rekayasa nyata, khususnya dalam meningkatkan keandalan pipa elbow dalam kondisi operasi ekstrem. Solusi yang diusulkan mempertimbangkan dampak jangka panjang terhadap lingkungan, masyarakat, dan ekonomi. Penelitian ini dirancang dengan kesadaran untuk menghasilkan solusi yang presisi, akurat, dan dapat diandalkan.

Masalah utama yang diidentifikasi adalah konsentrasi tegangan, regangan, deformasi, dan distribusi suhu yang terjadi pada line pipe elbow selama operasi. Penelitian ini mempertimbangkan perspektif operator industri, insinyur desain, serta dampak terhadap masyarakat dan lingkungan. Line pipe elbow dianalisis dalam konteks operasionalnya, termasuk pengaruh suhu tinggi, tekanan fluida, dan beban mekanis eksternal. Akar permasalahan diidentifikasi melalui analisis matematis dan fisik, memastikan solusi yang ditawarkan bersifat mendalam dan menyeluruh. Pendekatan analisis relevan dengan kebutuhan industri, khususnya pada pipa transportasi energi. Data empiris dan simulasi digunakan untuk mendukung pemahaman terhadap permasalahan.

Asumsi seperti material isotropik, boundary condition tertentu, dan distribusi suhu dianggap eksplisit dan relevan dengan kondisi operasi. Penelitian ini menggabungkan FEM dengan ANN, menciptakan pendekatan baru yang lebih adaptif dan inovatif. Model yang diidealkan tetap mematuhi hukum-hukum fisika dan prinsip rekayasa. Idealization tetap sesuai dengan tujuan awal, yaitu menghasilkan solusi holistik yang bermanfaat secara teknis dan spiritual. Solusi yang diusulkan dapat disesuaikan untuk berbagai konteks industri lain. Pendekatan penelitian dirancang sederhana namun efektif dalam menyelesaikan masalah kompleks. Langkah-langkah analisis meliputi pemodelan FEM, simulasi termal, pelatihan ANN, dan validasi hasil, disajikan secara jelas. Setiap aspek analisis dibahas tanpa meninggalkan celah, memastikan penelitian komprehensif. Hasil numerik dijelaskan dalam konteks fisik, seperti distribusi tegangan dan suhu. Prosedur disusun untuk meminimalkan kesalahan dalam pengumpulan data dan analisis.

Hasil penelitian diverifikasi dengan data eksperimental atau literatur terkait. Proses penelitian dirancang iteratif, memungkinkan perbaikan berkelanjutan. Keberlanjutan dipertimbangkan dalam implementasi solusi. Instruksi disampaikan dalam bahasa yang mudah dipahami dan dapat diterapkan oleh pihak lain. Setiap langkah penelitian konsisten dengan prinsip-prinsip framework DAI5. Dokumentasi penelitian disusun secara profesional, lengkap, dan jelas. Informasi data yang didapat dari analisis multiphysics ini akan dikonversikan ke machine learning, yaitu Artificial Neural Network (ANN) untuk inovasi kecerdasan. Pendekatan akan lebih relevan jika diimplementasikan dengan framework DAI5 yang memiliki tahapan 1 hingga 5, dimana inisiator metode ini adalah Dr. Ahmad Indra yang mengutip "ilm md consciousness" dalam "Deep Awareness (of) I" bahwa pentingnya kesadaran penuh terhadap yang kita lakukan. Penelitian ini mengintegrasikan metode rekayasa teknis dengan nilai-nilai spiritual melalui framework DAI5. Hasilnya diharapkan mampu mengurangi kegagalan operasi, meningkatkan keandalan sistem, dan memberikan manfaat keberlanjutan bagi masyarakat dan lingkungan.

Essay - Pengembangan Model ANN untuk Analisis Multiphysics Struktur Komposit sebagai Alternatif Metode Finite Element - by - Wahyu Purnawirawan

Review terhadap proyek yang dilakukan: Saya menyatakan dengan sebenarnya, bahwa dalam penelitian review ini atas dasar kesadaran penuh dan tanpa paksaan dari pihak manapun. Semata-mata dilakukan untuk dapat lebih memahami dan mensyukuri, lebih jauh untuk dapat lebih mengenal pencipta dan ciptaan-Nya.

Industri otomotif, dirgantara, oil & gas dan lainnya sangat memerlukan analisis multiphysics dan finite element untuk memastikan bahwa material yang digunakan dalam masing-masing aplikasinya (khususnya material/struktur komposit) cukup reliable, mumpuni dan efisien dalam penggunaannya. Namun proses dan metode yang ada saat ini dirasa cukup memakan waktu dan biaya. Artificial Neural Network (ANN) merupakan salah satu model prediksi yang mampu mengurangi proses yang ada sehingga pemanfaatannya diharapkan mampu mengurangi waktu dan menghasilkan lebih efektif.

Metodologi Framework DAI5 digunakan untuk menguraikan dan menyelesaikan masalah. DAI (Deep Awareness of I) sebagaimana disampaikan pada pendahuluan bahwa merupakan penyataan penulis sebagai subyek yang mendapati satu studi kasus (dari banyak fenomena yang ada) untuk dapat di telaah dan tadabburi sebagai salah satu kuasa sang pencipta, dan ini merupakan Cara Cerdas Ingat Tuhan (CCIT) bagi penulis.

Intention/Niat: merupakan dorongan dari hati "Heartware" yang mendorong penulis untuk menjadi ‘lebih baik’ untuk menjadi manusia terbaik ialah orang yang bermanfaat untuk orang lain. Dalam hal ini penulis memiliki kemampuan (yang meskipun sedikit), namun harapan-nya dapat dimanfaatkan untuk kemaslahatan yang lebih luas.

Lebih sempit/spesifik, permasalahan yang coba diselesaikan ialah bagaimana menghasilkan model ANN yang secara cepat dan handal melakukan prediksi terhadap analisis Finite Elemen dan Multiphysics.

Initial Thinking: Penulis mencoba menyelesaikan permasalahan/analisis terhadap struktur komposit yang mengalami beban termal dan beban mekanik secara bersamaan (multiphysics).

Formula yang digunakan dalam analisis FEM di antaranya:

- Struktur

[𝐾]{𝑢}={𝐹}

di mana K: Stiffness; u: Vektor perpindahan dan F: Vektor gaya

- Termal

[𝐾termal]{𝑇}={𝑄}

di mana K: Konduktivitas termal; T: Perubahan suhu dan Q: Sumber panas

- Tegangan termal

[otermal]=𝐸𝐴[𝑇−𝑇0]

Idealization Merupakan tahapan dalam menyederhanakan permasalahan, sehingga mendekati kondisi yang sebenarnya, tahapannya antara lain:

- Membuat model - Menetapkan boundary condition - Beban diaplikasi pada kedua ujungnya. - Material isotropic & homogen pada seluruh bagian - Distribusi termal merata di seluruh permukaan pada salah satu sisi, dan gaya bekerja tegak lurus pada sisi lainnya.

Instruction Set:

A. Mendapatkan dataset dari beberapa parameter input untuk kemudian memperoleh output.

B. Membangun model ANN berdasarkan data set yang dihasilkan melalui simulasi FEM menggunakan Ansys, Abaqus, atau Solidworks untuk mendapatkan model terbaik.

- Training (70%) → Komposisi data - Testing (15%) - Validation (15%)

Nilai Error terkecil → RMSE menggambarkan model yang cukup baik.

Essay -Prediction of Static Stress of One-Dimensional Bar Elements Using Artificial Intelligence Coupled with DAI5 Framework-by-Tanveer Khan

DAI5 → Deep Awareness (of) I:

It begins with "I" the founder and representer of this framework, whose name is Dr. Ahmad Indra. There are various approaches which we can use to solve our real-life problems. However, those are very traditional and only based on logical approaches. On the other hand, we have DAI5, which is a contemporary and new approach to tackle and solve our problems. DAI5 is based on self-awareness and conscious thinking, as well as good mechanisms. The overall framework comprises the following steps:

1)Initiator

2)Intention

3)Initial thinking about the problem

4)Idealization

5)Instruction Set

In My Research, the first three "I"s cover the introductory part of the manuscript, and the remaining two "I"s cover the research methodology and results, and conclusions. I will begin with the first three "I"s, which cover the introduction section.

1)Initiator:

Represents the founder of the framework.

2)Intention:

To conduct static stress analysis on one-dimensional bar elements using FEM and then train the Artificial Neural Network to predict static stress. My objective of the study and my aim is to develop such ANN which can precisely predict static stress based on the data obtained from the FEM reduces the computational time and increases the accuracy of the model. Because FEM is computationally intensive, and the results are precise for complex problems. Moreover, FEM can give the overall results but not the local details of the structure because of the limitations of finite element methods. On the other hand, data-driven methods can give the local details. This is one of the reasons most researchers use data-driven methods along with FEM for prediction. The above technical aspects of my intention, when it comes to technical intentions, it not only benefits the profession personally but also benefits communities in the context of safety and reliable structures, which ultimately reduce cost and time for both local people and a government. A good structure is sustainable and would not frequently need maintenance and repair, thus saving both time and money and avoiding injuries as well as risks.

3) Initial Thinking About the Problem:

Stress analysis plays an important role in designing structural members. Before giving them physical existence and appearance, we could save time and money. There are various ways to perform stress analysis, including finite element methods and data-driven methods. Finite element methods use governing equations. On the other hand, the data-driven method uses data obtained from experiments or from virtual experiments. The data-driven method, like Artificial Intelligence (AI), is one of the best approaches to predict stresses in the bar, which is responsible for learning from data and developing patterns and relations, both linear and non-linear. ANN (Artificial Neural Network) takes data inputs and transfers it to the hidden layers, where some neurons process the inputs using some transfer functions and deliver the results to the output layers. This model also uses bias and weights which help in the input data processing to give good predicted outcomes. Several iterations are performed until we get the good outcomes from the model. The hidden layers and neurons also change as per requirement to get reliable outcomes from the model.

(4) Idealization:

Here, I am using one-dimensional bar elements to make the problem simpler instead of 2D and 3D, which make the problem complex obtain the data for ANN to train using FEM

5) Instruction Set:

1)Obtain data from FEM.

2)Configure ANN.

3)Input parameters to ANN.

4)Train ANN.

5)Calculate the performance.

6)Interpret the results and validation.

Analisa 1D Elemen Multiphysics FEM untuk Tegangan Termal dan Beban Aksial dengan Artificial Neural Network (ANN) Menggunakan Framework DAI5 Studi Kasus Bar Baja Silindris by Irwan Haryanto

Analisa 1D Elemen Multiphysics FEM untuk Tegangan Termal dan Pembebanan Aksial dengan Artificial Neural Network (ANN) menggunakan Framework DAI5 Studi Kasus Bar Baja Silindris

Irwan Haryanto

2206014201

Pengerjaan proyek ini berdasarkan framework DAI5, sehingga kerangka penulisannya pun juga berdasarkan framework DAI5.

DAI 5 merupakan sebuah framework / keramgka kerja yang dapat diguanakan untuk berbagai permasalahan engineering. DAI5 tersebut dikembangkan dan diinisiasi oleh Dr. Ahmad Indra. DAI 5 terdiri dari :

- Deep Awareness of I yaitu kesadaran penuh dari setiap individu yang menggunakan framework ini supaya bertanggung jawab dan berkomitmen pada pekerjaan dan Tugan YME.

- Intention yaitu niat dari setiap individu yang mendalam saat melakukan pekerjaan, Niat disini sangat penting, karena akan menjadi pondasi awal bersama kesadaran penuh dalam komitmen dan tanggung jawab terhadap setiap pekerjaan yang dilakukan.

- Initial Thinking yaitu proses penjabaran masalah dari pekerjaan yang akan diselesaikan dengan DAI5. Seluruh masalah dijabarkan secara detail pada bagian ini.

Penjabaran ini dilakukan secara sistematis, terurai detail dan diikuti dengan penjabaran prinsip dasar.

- Idealization. Setelah masalah tersebut terurai dengan detail, perlu dilakukan penyederhanaan berdasarkan batasan – batasan yang ada dan mengembangkan model system yang dapat disederhanakan (missal dengan persamaan)

- Instruction Set, yaitu rincian pekerjaan teknis yang perlu dilakukan dengan urutan yang benar. Termasuk juga dalam pemilihan software yang dapat menunjang pekerjaan.

A. Deklarasi Penulis

1. Deep Awareness of I

Kesadaran penuh dari saya sendiri untuk berkomitmen dan bertanggung jawab sebagai mahasiswa S2 Teknik Mesin Universitas Indonesia yang sedang menempuh kelas Finite Element dan Multiphysics dalam melakukan pekerjaan tugas besar. Kesadaran penuh ini juga dengan senantiasa mengingat Tuhan YME.

2. Intention

Niat dan tekad yang bulat dalam menganalisa 1D element Multiphysics FEM untuk tegangan termal dan beban aksial dengan artificial neural network (ANN) menggunakan framework DAI5 studi kasus bar baja silindris

B. Pendahulan

1. Initial Thinking

Studi kasus bar baja silindris ini merupakan studi kasus yang umum dijumpai pada berbagai permasalahan engineering seperti pipa tekanan, pembangkit listrik dan struktur pesawat. Dalam permasalahan tersebut, sebuah komponen tidak hanya mengalami satu beban yang bekerja, tetapi mengalami lebih dari satu pembebanan baik dalam bentuk force ataupun termal. Dari situlah yang mendasari analisis ini yaitu dengan mempertimbangkan pengaruh tegangan termal dan juga pembebanan (force) aksial pada sebuah bar baja silindris. Untuk aplikasi industry yang aplikatif, perlu adanya optimasi dengan ANN untuk mempercepat proses analisa untuk berbagai objek yang mempunyai parameter yang berbeda.

C. Metode

1. Idealization

Mempertimbangkan objek yang dianalisa itu adalah bar slindris maka analisa dilakukan dengan 1D elemen untuk mempercepat komputasi dan supaya pekerjaan berjalan dengan efektif dan efisien.

2. Instruction Set

- Mengumpulkan data material baja silindris untuk data propertiesnya sebanyak 100 data

- Penetapan asumsi yang dilakukan pada tahap idealization, seperti berapa temperature awal dan beban aksial yang bekerja disesuaikan dengan data material

- Perhitungan dan komputasi dari berbagai data material untuk dijadikan dataset ANN, dilakukan dengan menggunakan kodingan phyton

- Proses training data oleh ANN dengan phyton, hasil dari training data tersebut digunakan untuk memprediksi pengujian dengan material lainnya.