Pengujian Rancangan Simulator Resistansi Termal dan Rugi-rugi Kalor pada Sistem Aliran Fluida dalam Pipa Tersekat dengan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan Least-squares Estimation (LSE)

https://doi.org/10.5614/joki.2024.16.1.2

Penulis

  • Rahmat Romadhon Kelompok Keahlian Rekayasa Kinerja Lingkungan Binaan, Fakultas Teknologi Industri, Institut Teknologi Bandung
  • Mohammad Kemal Agusta Kelompok Keahlian Teknologi Nano dan Kuantum, Fakultas Teknologi Industri, Institut Teknologi Bandung
  • Amirul Ihsan Program Studi Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Bandung

Kata Kunci:

Simulator, Insulator skala nano, Resistansi termal, Rugi-rugi kalor, ANFIS, LSE

Abstrak

Data resistansi termal sangat diperlukan untuk merancang sistem sekatan (insulasi) untuk pencegahan rugi-rugi kalor pada sistem aliran fluida melalui pipa. Metode penguiian untuk mendapatkan data sifat resistansi termal dari sekatan (insulator) jenis bahan sekatan berskala nano masih belum disepakati, begitu juga dengan penjelasan fenomena fisis dalam mekanisme menghambat aliran kalor. Penelitian ini dilakukan untuk mendapatkan rancangan simulator pengujian sifat resistansi termal sekatan dan rugi-rugi kalor melalui pipa sebagai metode pengujian alternatif untuk berbagai jenis bahan sekatan. Udara panas dialirkan melalui pipa yang dilengkapi dengan sistem pengukuran dan pengolahan data untuk mendapatkan data distribusi suhu aliran fluida dalam pipa dan suhu permukaan di sepanjang pipa. Sifat resistansi termal dan rugi-rugi kalor merupakan parameter bahan sekatan yang diuji. Model matematik diselesaikan secara numerik dan divalidasi dengan perangkat lunak COMSOL Multiphysics. Pada rancangan simulator, kedua sifat diestimasi menggunakan metode ANFIS dan LSE. Metode estimasi ANFIS menunjukkan kinerja estimasi terbaik, baik untuk resistansi termal maupun rugi-rugi kalor. Metode estimasi ANFIS untuk resistansi termal memberikan nilai galat sebesar 0,163 m2K/W, sedangkan untuk rugi-rugi kalor memberikan nilai galat sebesar 12,64 W/m. Metode estimasi ANFIS yang telah dikembangkan memiliki ketahanan yang cukup baik terhadap kesalahan dalam simulasi data pengukuran.

Referensi

X. Liu et al., “Analysis of transmission characteristics of steam long-distance heating pipeline,” Energy Reports, vol. 7, pp. 242–253, 2021, doi: 10.1016/j.egyr.2021.10.034.

E. Bell, Y. Lu, N. Daraboina, and C. Sarica, “Thermal methods in flow assurance: A review,” J Nat Gas Sci Eng, vol. 88, no. November 2020, p. 103798, 2021, doi: 10.1016/j.jngse.2021.103798.

D. Wang, “Heat loss along the pipeline and its control measures,” SN Appl Sci, vol. 5, no. 1, 2023, doi: 10.1007/s42452-022-05226-2.

N. Sunday, A. Settar, K. Chetehouna, and N. Gascoin, “An overview of flow assurance heat management systems in subsea flowlines,” Energies (Basel), vol. 14, no. 2, 2021, doi: 10.3390/en14020458.

E. G. Gasho and A. I. Kiseleva, “Analysis of energy-saving measures in industrial steam supply systems,” IOP Conf Ser Mater Sci Eng, vol. 791, no. 1, 2020, doi: 10.1088/1757-899X/791/1/012042.

A. N. Dolgova, S. A. Yunak, A. S. Rudenko, A. I. Haibullina, and E. S. Karataeva, “Comparative efficiency of pipeline heat-insulating materials,” IOP Conf Ser Mater Sci Eng, vol. 915, no. 1, 2020, doi: 10.1088/1757-899X/915/1/012010.

D. Bozsaky, “Recent studies on thermodynamic processes in nano-ceramic thermal insulation coatings,” Pollack Periodica, vol. 14, no. 1, pp. 107–116, 2019, doi: 10.1556/606.2019.14.1.11.

S. E. Kalnæs and B. P. Jelle, “Vacuum insulation panel products: A state-of-the-art review and future research pathways,” Appl Energy, vol. 116, no. 7465, pp. 355–375, 2014, doi: 10.1016/j.apenergy.2013.11.032.

J. Yang, M. I. Lourenço, and S. F. Estefen, “Thermal insulation of subsea pipelines for different materials,” International Journal of Pressure Vessels and Piping, vol. 168, no. August, pp. 100–109, 2018, doi: 10.1016/j.ijpvp.2018.09.009.

T. L. Bergman, and A. S. Lavine, F. P. Incropera, and D. P. DeWitt, Fundamentals of Heat and Mass Transfer. John Wiley & Sons Inc, 2011.

D. Bozsaky, “Laboratory Tests with Liquid Nano-ceramic Thermal Insulation Coating,” in Procedia Engineering, Elsevier Ltd, 2015, pp. 68–75. doi: 10.1016/j.proeng.2015.10.059.

J. S. R. Jang, C. T. Sun, and E. Mizutani, Neuro-Fuzzy and Soft Computing - A Computational Approach to Learning and Machine Intelligence. Upper Saddle River, NJ: Prentice-Hall Inc, 1997.

Standard Methods for Laboratory Air-flow Measurement. : American Society of Heating, Refrigerating and Air-Conditioning Engineers Inc, Atlanta, 1987.

Diterbitkan

2024-04-30

Cara Mengutip

[1]
R. Romadhon, M. K. . Agusta, dan A. . Ihsan, “Pengujian Rancangan Simulator Resistansi Termal dan Rugi-rugi Kalor pada Sistem Aliran Fluida dalam Pipa Tersekat dengan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan Least-squares Estimation (LSE)”, JOKI, vol. 16, no. 1, hlm. 9-20, Apr 2024.