Dasar-Dasar Metode Komputasi pada CFD
Di balik visualisasi aliran fluida yang detail pada software Computational Fluid Dynamics (CFD), terdapat proses komputasi matematis yang sangat terstruktur. Komputer tidak memahami bentuk fisik fluida secara langsung. Oleh karena itu, hukum fisika yang mengatur pergerakan fluida harus diubah menjadi bahasa angka melalui metode komputasi. Artikel ini akan membahas prinsip dasar bagaimana persamaan fisika dikonversi, diselesaikan, dan diproses oleh algoritma komputer agar menghasilkan analisis aliran yang akurat.
Hukum dasar yang mengatur seluruh pergerakan fluida tertuang dalam Persamaan Navier-Stokes. Persamaan ini dibangun berdasarkan tiga hukum kekekalan fisika, yaitu kekekalan massa (persamaan kontinuitas), kekekalan momentum (Hukum Newton Kedua), dan kekekalan energi (Hukum Pertama Termodinamika). Tantangan utama dalam CFD adalah bahwa persamaan-persamaan ini berbentuk persamaan diferensial parsial yang sangat kompleks dan tidak bisa diselesaikan dengan rumus matematika biasa jika geometrinya rumit. Di sinilah metode komputasi berperan untuk mengubah persamaan kontinu tersebut menjadi bentuk aljabar diskrit yang dapat diselesaikan lewat iterasi komputer.
Metode Volume Terhingga (Finite Volume Method)
Terdapat beberapa metode diskritisasi dalam dunia komputasi, seperti Finite Difference Method (FDM) dan Finite Element Method (FEM). Namun, sebagian besar software CFD komersial dan industri modern menggunakan Finite Volume Method (FVM) atau Metode Volume Terhingga. Alasan utamanya adalah karena FVM secara alami menjamin hukum kekekalan (konservasi) sifat fluida di setiap elemen volume kecil (control volume) maupun di seluruh domain simulasi secara keseluruhan.
Prinsip kerja FVM adalah mengintegrasikan persamaan diferensial parsial di setiap volume kontrol yang dibentuk oleh proses meshing. Sebagai ilustrasi dasar, persamaan transportasi umum untuk suatu properti fluida (seperti massa, momentum, atau temperatur) dalam bentuk diferensial dapat ditulis secara ringkas sebagai berikut:
d(rho * phi)/dt + div(rho * phi * U) = div(Gamma * grad(phi)) + S
Keterangan komponen persamaan di atas dalam bentuk teks biasa adalah:
- d(rho * phi)/dt adalah suku transient atau perubahan terhadap waktu.
- div(rho * phi * U) adalah suku konveksi, mewakili transport properti akibat pergerakan aliran fluida.
- div(Gamma * grad(phi)) adalah suku difusi, mewakili penyebaran properti akibat gradien spasial (seperti konduksi panas atau viskositas).
- S adalah suku sumber (source term), mewakili penambahan atau pengurangan properti dari luar sistem (seperti panas reaksi kimia).
- rho adalah densitas fluida, U adalah kecepatan, dan Gamma adalah koefisien difusi.
Melalui FVM, persamaan di atas diintegrasikan terhadap volume elemen. Dengan menggunakan Teorema Divergensi Gauss, suku konveksi dan difusi yang berupa integral volume diubah menjadi integral permukaan melintasi batas-batas elemen mesh. Hasil akhirnya adalah persamaan aljabar linear linier yang menghubungkan nilai di pusat satu elemen dengan nilai di elemen-elemen tetangganya.
Skema Diskritisasi Spasial dan Temporal
Setelah persamaan diubah menjadi bentuk integral permukaan, komputer memerlukan metode untuk menginterpolasi nilai properti fluida dari pusat elemen ke wajah (permukaan) elemen tersebut. Proses ini disebut sebagai skema diskritisasi spasial. Pilihan skema ini sangat menentukan keakuratan hasil simulasi Anda.
Beberapa skema diskritisasi spasial yang populer di antaranya:
- First-Order Upwind: Skema yang paling sederhana dan sangat stabil. Skema ini mengambil nilai dari elemen di arah hulu (upstream). Kelemahannya adalah memicu eror yang disebut difusi numerik (numerical diffusion), membuat hasil simulasi menjadi kurang tajam atau “kabur”.
- Second-Order Upwind: Skema standar industri yang jauh lebih akurat karena menggunakan gradien dari dua elemen di hulu untuk menghitung nilai di permukaan elemen. Skema ini memberikan resolusi aliran yang tajam dan akurat untuk sebagian besar kasus praktis.
- QUICK (Quadratic Upstream Interpolation for闲Kinematic Bubbles): Skema orde tinggi menggunakan interpolasi kuadrat tiga titik. Sangat baik untuk aliran turbulen yang didominasi oleh konveksi kuat, namun terkadang kurang stabil pada geometri yang sangat kompleks.
Selain spasial (ruang), jika simulasi Anda bersifat tidak tunak (unsteady/transient), Anda juga memerlukan diskritisasi temporal (waktu). Waktu simulasi akan dibagi menjadi langkah-langkah kecil (time steps, dt). Pendekatan yang digunakan bisa bersifat Explicit (nilai pada langkah waktu baru dihitung murni dari data langkah waktu sebelumnya, cepat per iterasinya tetapi dibatasi oleh kestabilan angka Courant) atau Implicit (nilai dihitung secara bersamaan, sangat stabil untuk time step besar tetapi membutuhkan memori komputer yang lebih tinggi).
Algoritma Penyelesaian Tekanan-Kecepatan (Pressure-Velocity Coupling)
Salah satu kesulitan terbesar dalam komputasi fluida tidak termampatkan (incompressible flow) adalah bahwa tidak ada persamaan langsung untuk menghitung tekanan (pressure). Kecepatan dihitung dari persamaan momentum, namun persamaan momentum itu sendiri membutuhkan data tekanan. Untuk mengatasi lingkaran ketergantungan ini, para ilmuwan menciptakan algoritma khusus untuk mengaitkan kalkulasi tekanan dan kecepatan (pressure-velocity coupling).
Algoritma yang paling sering dijumpai di dalam solver CFD adalah:
- SIMPLE (Semi-Implicit Method for Pressure Linked Equations): Algoritma yang menyelesaikan persamaan secara berurutan (segregated solver). Algoritma ini menebak nilai tekanan awal, menghitung kecepatan, lalu menghitung koreksi tekanan berdasarkan galat kontinuitas massa. Proses ini diulang-ulang dalam satu time step hingga konvergen. Sangat efisien dalam penggunaan memori komputer.
- PISO (Pressure-Implicit with Splitting of Operators): Pengembangan dari SIMPLE dengan langkah koreksi tekanan tambahan. Algoritma ini sangat ideal dan efisien untuk simulasi transient (berubah terhadap waktu) karena mempercepat konvergensi di setiap langkah waktu.
- Coupled Solver: Berbeda dengan SIMPLE, metode coupled menyelesaikan persamaan momentum dan kontinuitas secara bersamaan dalam satu matriks besar. Metode ini sangat stabil dan konvergen dalam jumlah iterasi yang lebih sedikit, tetapi membutuhkan memori RAM komputer yang jauh lebih besar.
Kriteria Konvergensi dan Residual
Proses kalkulasi numerik pada CFD dilakukan secara berulang (iterasi). Komputer akan terus memperbaiki tebakan angkanya hingga kesalahan matematisnya sekecil mungkin. Parameter yang digunakan untuk mengukur tingkat kesalahan atau sisa eror dari persamaan aljabar di setiap iterasi dinamakan Residual.
Sebuah simulasi CFD dikatakan telah mencapai kondisi Konvergen jika nilai residualnya sudah turun drastis dan stabil di bawah ambang batas yang ditentukan. Sebagai standar industri umum, simulasi dianggap konvergen jika nilai residual untuk persamaan kontinuitas dan momentum mencapai di bawah 1e-4 (atau 0.0001). Untuk persamaan energi atau perpindahan panas, target konvergensi biasanya lebih ketat, yaitu di bawah 1e-6 (atau 0.000001). Selain melihat grafik residual yang menurun, seorang analis juga harus memonitor parameter fisik penting (seperti debit keluar atau gaya hambat) untuk memastikan nilainya sudah konstan dan tidak lagi berfluktuasi secara acak sebelum menghentikan iterasi komputer.
Jika Anda sedang menyusun pengaturan komputasi pada solver CFD Anda dan menghadapi masalah dengan kestabilan angka konvergensi, kami dapat membantu memberikan saran optimasi.