Potensi Penggunaan Perangkat Lunak Berbasis CFD (Computational Fluid Dynamic) untuk Mendukung Pengembangan Pertanian Presisi A.G. Niam Mahasiswa Ilmu Keteknikan Pertanian, Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor Email:
[email protected]
ABSTRAK Paradigma pengembangan pertanian presisi mengarah pada upaya pengendalian parameter lingkungan berdasarkan kesesuaian kebutuhan, respon dan performa objek pertanian, baik berupa tanaman, hewan maupun produk pertanian lainnya. Dimana, objek pertanian adalah sistem bio yang memiliki karakteristik kompleks, dinamis, dan kental bersentuhan dengan fenomena dinamika fluida. CFD merupakan alat bantu berupa teknologi yang mampu merepresentasikan visualisasi fenomena dinamika fluida secara detail dengan rekayasa simulasi. Dengan melibatkan formulasi matematika fisika berupa kesetimbangan massa, kesetimbangan energi dan momentum, CFD dapat menjadi alat bantu penelitian (research tool) dan alat bantu desain (design tool). Oleh karenanya, biaya, energi dan waktu dalam pengembangan teknologi pertanian yang presisi dapat dihemat. Kata kunci: computational fluid dynamic, pertanian presisi, simulasi I. PENDAHULUAN Perkembangan disektor pertanian sudah mulai mengarah pada pertanian yang presisi, dimana setiap proses pengendalian harus mengacu pada ketepatan dan kesesuaian dengan kebutuhan, respon serta performa objek pertanian yang dikontrol. Sehingga efektifitas dan optimalisasi dapat dicapai. Namun tidak dapat dipungkiri bahwa objek pertanian merupakan sistem bio yang memiliki karakteristik kompleks dan dinamis, sehingga fenomena parameter fisik yang terjadi disekitarnya bersifat nonlinier. Hal inilah yang mendasari bahwa perlakuan dalam proses pengendalian lingkungan fisik untuk objek pertanian tidak dapat diseragamkan. Oleh karena itu, untuk membantu memahami fenomena parameter fisik lingkungan yang dinamis, kompleks serta nonlinier tersebut, diperlukan alat bantu riset dan desain sistem yang mampu merepresentasikan visualisasi fenomena dinamika fluida dan pindah panas
secara detail. Oleh karena itu, Norton et al., (2007) beranggapan bahwa aplikasi Computational Fluid Dynamics (CFD) di bidang industri pertanian akan menjadi kebutuhan yang krusial. Dimana CFD merupakan suatu teknologi komputasi yang melibatkan rekayasa simulasi dengan menggunakan analisa numerik dan formulasi matematika fisika untuk menganalisa fenomena dinamika fluida seperti aliran fluida (tekanan, friksi, kecepatan dan densitas fluida), perpindahan panas, reaksi kimia, perubahan phasa, interaksi fluida dan benda solid. Hasil dari simulasi CFD adalah berupa prediksi data spasial, kontur, vektor maupun titik secara detail dan presisi, juga mampu menyajikannya secara animasi fenomena dinamika fluida. Penggunaan aplikasi CFD di dunia penelitian cukup signifikan. Salah satu indikator perkembangan penggunaan aplikasi CFD dapat dilihat dari jumlah makalah jurnal yang telah dipublikasi di pangkalan jurnal internasional (sciencedirect) sepanjang 10 tahun terakhir (Gambar 1).
107
II. PRINSIP DASAR CFD PERSAMAAN UNTUK KONDISI ALIRAN STEADY
Gambar 1.Perkembangan jurnal tentang aplikasi CFD. Jumlah publikasi jurnal yang berkaitan dengan aplikasi CFD mencapai 39537 jurnal dari semua kategori bidang (www.sciencedirect.com, diakses: 05 Oktober 2013), dengan peningkatan jumlah publikasi jurnal tentang CFD setiap tahunnya rata-rata mencapai 15%. Namun, penggunaan aplikasi CFD dibidang pertanian, baik untuk desain sistem dari fasilitas bangunan pertanian seperti kandang, rumah tanaman (greenhouse), gudang penyimpanan dan kemasan produk pertanian, belum banyak mendapat perhatian dari para peneliti dan pelaku agro-industri. Gambar 2.
Persamaan dasar dalam CFD terdiri dari hukum kekekalan massa, momentum dan energi (Zhang, 2005), maka pendekatan numerik untuk merepresentasikan prinsip kontinuitas massa dengan asumsi kondisi alirannya steady (Norton et al., 2007) dapat dituliskan dengan persamaan NavierStokes berikut: (
dimana ρ merupakan massa jenis fluida dengan satuan (kg m-3), t menunjukkan waktu (detik), x adalah jarak pada koordinat
108
(m),
u -1
adalah
(m s ), dan
i,
jadalah
indeks koordinat kartesian. Perubahan spesies massa pada fenomena aliran fluida terjadi sejalan dengan adanya pergerakan elemen massa fluida yang berubah terhadap waktu ke dalam suatu volume terbatas harus seimbang, sedangkan hukum kekekalan momentum yang ditemukan oleh Newton menyatakan bahwa: jumlah aksi gaya eksternal pada partikel fluida sama dengan laju momentum secara linier.
(
Dari gambar 2 dapat dilihat bahwa publikasi jurnal aplikasi CFD dibidang pertanian masih sangat minim, yaitu dibawah 1%. Hal ini menjadi indikasi bahwa bidang pertanian belum mendapat perhatian penuh untuk mengarah pada pengembangan kajian pertanian presisi.
kartesian
kecepatan udara
(
Gambar 2. Persentase publikasi jurnal tentang CFD berdasarkan bidang tertentu.
(1)
)
)
(
)
[
)]
dimana p adalah tekanan (Pa), δij merupakan delta Kronektor yang menunjukkan perbedaan tekanan, µ adalah viskositas dinamik (kg m-1 s-1), dan g adalah kecepatan gravitasi (m s2 ). Persamaan energi diturunkan dari hukum pertama termodinamika yang menyatakan bahwa laju perubahan energi partikel fluida sama dengan laju penambahan panas ke dalam partikel fluida ditambahkan dengan laju kerja yang diberikan pada partikel.
(2)
(
)
(
)
(
( ̅)
)
( ̅ ̅)
(
̅̅̅
̅̅̅̅ (3) )
dimana, Ca kapasitas panas spesifik (W kg-1K-1), T adalah suhu (C), λ adalah
(5) ̅)
(
konduktifitas panas (W m-1K-1), dan sT -3
adalah source atau sink panas (W m ). Penyelesaian persamaan diferensial yang cukup kompleks tidak dapat dieksekusi langsung oleh komputer. Oleh karena itu, persamaan aljabar tersebut ditransformasikan terlebih dahulu menjadi persamaan aljabar diskrit yang lebih sederhana, sehingga komputer dapat mengeksekusinya dengan ringan. Metode penyederhanaan ini disebut sebagai metode diskritisasi (Versteeg and Malalasekera, 1995). Metode diskritisasi yang sering dikenal adalah: Finite Different Method (FDM), Finite Element Method (FEM) dan Finite Volume Method (FVM). Namun untuk simulasi dinamika fluida, FVM lebih sering digunakan. Karena, dengan waktu komputasi per grid dan step yang sama seringkali FEM membutuhkan kapasitas memori dua kali lebih besar dibanding FVM. Hal ini telah dibuktikan oleh (Nakajima and Kallinderis 1994; Haindl et al., 1999; O‘Callaghan et al., 2003; dan Molina-Aiz et al. 2010) untuk membandingkan kedua metode tersebut dalam hal sensitifitas, akurasi, waktu dan kapasitas memori yang dibutuhkan untuk solving kasus yang sama. PERSAMAAN UNTUK KONDISI ALIRAN TURBULEN Momentum turbulen dan transport skalar sering kali digunakan untuk memprediksi nilai kalor/panas pada suatu permukaan dan koefisien transfer massa, panas yang dipengaruhi dari material properties struktur bangunan atau kemasan produk pertanian, serta karakteristik aliran fluida yang berinteraksi dengan struktur solid, sehingga menghasilkan pola aliran yang turbulen. Pendekatan yang sering digunakan adalah persamaan RANS (Reynold-Averaged Navier-Stokes). (̅̅̅̅̅)
( ̅ ̅
(
̅) (6)
)
dimana efek turbulen pada viskositas total dan pindah panas dapat dituliskan: (7) (8) ̅̅̅̅̅̅̅̅̅
(9)
Dengan menggunakan model turbulensi k-ε, kemudian disubstitusikan ke persamaan di atas, maka dapat dituliskan: ( ̅ ) )
[( (10)
] ( ̅ )
[(
)
] (11) (12) (13)
Untuk memprediksi aliran fluida yang disebabkan oleh adanya pindah panas, transport massa, transport spesies dan perbedaan tekanan, di bidang teknik pertanian, sering melibatkan pendekatan fungsi efek bouyancy, tahanan aliran pada media porous, newtonian dan non newtonian (Sun, 2007). III. PERSAMAAN UNTUK KONDISI ALIRAN YANG MELALUI MEDIA POROUS DAN EFEK BOUYANCY Efek bouyancy timbul akibat adanya perbedaan suhu yang membuat perubahan masa jenis udara. Terjadinya perbedaan massa jenis udara ditambah adanya pengaruh gaya gravitasi (4) bumi, akan mengakibatkan pergerakan udara secara alamiah 109
(Baeza et al., 2009). Fenomena tersebut didekati dengan model Boussinesq yang diekspresikan dalam persamaan 14. (
)
(
)
Dimana β merupakan koefisien ekspansi thermal udara (C-1). Sedangkan pendefinisian aliran pada porous media dapat ditentukan dengan persamaan Darcy-Forchheimer, yang menyatakan bahwa gaya tarikan yang disebabkan oleh kasa dan tanaman SФ dipengaruhi oleh sifat fluida berupa densitas udara (kg m-3) dan viskositas dinamik udara µ (kg s-1m-1), serta sifat geometri kasa berupa permeabilitas poros Kp (m2) dan Cf(non-dimensional) adalah kehilangan momentum (Majdoubi et al., 2009). (( )
(
√
)
)
Kehilangan momentum bersifat non linier dan memiliki hubungan proporsional dengan densitas daun (Bruse, 1998). 2
-3
dimana ILAV(m m ) merupakan indeks luasan daun tiap satuan volume dan CDadalah dragcoefficient atau resistansi udara pada kanopi tanaman. Untuk tanaman tomat yang sudah tinggi dan berbuah, Haxaire (1999) dalam Majdoubi et al. (2009) telah menentukan nilai CD= 0.32, menggunakan wind tunnel. IV. PERANGKAT LUNAK YANG BERBASIS CFD Dalam dua dekade terakhir, perkembangan CFD semakin banyak di dunia teknologi perangkat lunak, mulai dari software yang komersil sampai dengan pengembangan software berbasis CFD yang open source. Beberapa features yang disajikan memungkinkan user untuk merekayasa aliran udara dalam sistem ventilasi, karakteristik aliran fluida yang berinteraksi dengan benda solid, model aliran yang melewati media porous, bahkan memungkin user untuk
110
mendefinisikan fungsi sendiri berdasarkan teori yang dikaji dalam ekperimennya. Beberapa software komersil memiliki spesifikasi aplikasi yang berbeda yang bersifat spesialis (14) untuk kasus tertentu, seperti spesialis untuk kasus multiphase, aerospace, sistem ventilasi, particlestudy, pembakaran (combustion) pada mesin, dan interaksi struktur, yang sekaligus menunjukan kualifikasi bidang research dari masing-masing pengembang software. Beberapa software berbasis CFD komersial yang familiar diantaranya adalah: ANSYS CFX, ANSYS FLUENT, FloVent, PHOENICS, CFD2000, Flow Simulation SolidWorks dan FloEFD. Sedangkan OpenFoam merupakan salah satu software yang non komersil (Open Source). Terdapat juga software berbasis CFD karya anak bangsa, yaitu (15) CFDSoft dari Universitas Indonesia. V. TAHAPAN SIMULASI MENGGUNAKAN CFD (16) Simulasi dengan menggunakan CFD secara garis besar terdiri dari empat proses kerja utama, yaitu identifikasi masalah, pra-pemrosesan (prepocessing), pencarian solusi (solving), dan pasca-pemrosesan (postprocessing). Dalam identifikasi masalah, setidaknya terdapat dua hal yang perlu diperhatikan yaitu menentukan tujuan simulasi dan menentukan domain fluida yang akan dikaji, sehingga batasan dan asumsi yang digunakan turut menentukat akurasi dan kecepatan dalam simulasi. Tahapan preprocessing terdiri dari 4 hal utama, yaitu: 1). Pembuatan geometry, 2). Menentukan tipe mesh yang akan digunakan (triangle, quadrilateral, tetrahedron, hexahedron, pyramid, prism). Kapasitas memori juga mempengaruhi banyaknya cell/grid yang dapat dibuat, 3).Menentukan material properties dari fluida, physical models, boundary condition, turbulence modelling, etc. 4). Pengaturan solver (numerical schemes, convergence controls, convergence monitors, etc). Proses selanjutnya
adalah solving yaitu pencarian solusi dengan penyelesaian persamaan atur dinamika fluida yang telah didiskritisasi. Penyelesaian persamaan yang sudah didiskritisasi berbasis pada gradien atau perbedaan nilai di titik pusat grid hingga mencapai kondisi yang konvergen. Konvergensi menunjukkan stabilitas atau konsistensi dari hasil perhitungan pada setiap tahap iterasi. Tingkat akurasi dari solver ditentukan oleh tingkat keakuratan dari kondisi batas atau asumsi yang digunakan, meshing dan numerical error (baik karena keterbatasan software atau karena kekeliruan user software). Tahapan terakhir dalam simulasi CFD Proses akhir dari simulasi adalah postprocessing, yaitu proses penyajian data hasil simulasi yang dapat berupa plot kontur, plot garis, plot vektor dan animasi. Plot kontur, plot garis dan plot vektor dapat menunjukkan nilai distribusi sebaran dari setiap parameter yang dihitung, sedangkan animasi berfungsi untuk menunjukkan dinamika dari setiap parameter yang dihitung, sehingga fenomena dinamika fluida dapat dengan mudah difahami secara visual dan mudah untuk dianalisa. VI. PENERAPAN CFD DI BIDANG PERTANIAN Fleksibilitas yang disajikan dalam simulasi dengan menggunakan CFD, memungkinkan untuk melakukan beberapa kajian berbeda dengan cepat, akurat dan hemat biaya serta waktu (Ambaw et al., 2013). Seperti analisis desain untuk sistem pendingin produk holtikultura, diantaranya adalah sistem pendinginan ventilasi alami, sistem pendingin udara-dipaksakan, sistem pendingin dengan pengabut, dan sistem pendingin dengan air (Allais and Alvarez, 2001). Selain itu, penerapan CFD juga telah diaplikasikan untuk proses penanganan pasca panen produk pertanian (Sun, 2007), seperti analisis proses pindah panas pada telur ayam, analisis pindah panas dan transfer massa pada proses pendinginan daging sapi, model aliran udara pada ventilasi kemasan produk hortikultura, dan simulasi pengeringan buah mangga
berbasis finite element (Janjai et al., 2008). Kajian aplikasi CFD untuk fasilitas bangunan pertanian juga telah banyak dikembangkan, diantaranya adalah: analisis sebaran suhu dan pola aliran udara dengan penerapan exhaust fan pada greenhouse tipe standard peak (Niam, 2009) sebagaimana disajikan pada Gambar 3., analisis ventilasi alamiah pada greenhouse tipe parral dengan dan tanpa kasa (Baeza et al., 2009),menentukan nilai pressure drop pada kasa greenhouse (Teitel, 2010), prediksi model kondensasi di dalam greenhouse ketika malam (Piscia et al., 2012).
Gambar
3. Sebaran suhu pada greenhouse tipe standard peak, (Niam, 2009).
Selain itu, optimalisasi penggunaan insect screen pada greenhouse (Fatnassi et al., 2006), analisis efektifitas ventilasi pada kandang sapi (Gebremedhin and Wu, 2003), juga model aliran udara, suhu dan RH melalui kanopi tanaman dan daun (Endalew et al., 2009; Roy et al., 2008), terlihat pada Gambar 4 dan Gambar 5.
111
Namun, beberapa hal justru menjadi potensi baru, diantaranya:
Gambar 4. Sebaran nilai RH pada permukaan daun (Roy et al., 2008)
Gambar 5. Kecepatan udara melewati kanopi tanaman, (Endalew et al., 2009). VII. FAKTOR KENDALA DAN POTENSI PENGEMBANGAN CFD DI BIDANG PERTANIAN. Beberapa kendala dalam pengembangan aplikasi CFD untuk bidang pertanian antara lain adalah: 1) Ketersediaan data propertis/ karakteristik fisik dari material produk pertanian masih sangat kurang. Sehingga pendefinisian material propertis dalam melakukan simulasi CFD menjadi sulit. 2) Kapasitas hadrware yang dibutuhkan untuk simulasi CFD cukup besar sehingga investasi biayanya cukup tinggi. 3) Membutuhkan kecermatan formulasi matematika diskrit yang cukup kompleks.
112
1) Untuk mempercepat proses iterasi, pengembangan teknologi komputasi sudah banyak yang menggunakan konsep parallel processing, sehingga kompleksitas fenomena dinamika fluida pada produk dan fasilitas pertanian sangat memungkinkan untuk dikaji dengan melibatkan CFD. 2) Adanya tahapan pendefinisian propertis material fisik dari produk pertanian memberikan peluang topik penelitian baru yang terintegrasi antara penelitian fundamental dan terapan, sekaligus meningkatkan kesadaran akan pentingnya pangkalan data dasar dari masing-masing material produk pertanian. 3) Fleksibilitas featurs dalam simulasi CFD, serta hasil pendekatan simulasi yang cukup akurat menjadi potensi besar dan luas dalam pengembangan penanganan produk pertanian secara nondestruktif, efisien, serta hemat waktu, serta tidak tergantung pada waktu pertumbuhan objek pertanian yang dibudidayakan baik tanaman maupun hewan. VIII. KESIMPULAN Hasil analisis dari simulasi menggunakan CFD yang memungkinkan visualisasi ilmiah tentang distribusi suhu, pola pergerakan fluida, transfer massa, perubahan phasa, pada fasilitas bangunan pertanian maupun produk pertanian memungkinkan peluang baru untukperbaikan analisis kinerja, perancangan (desain), konstruksi, desain proses dan implementasi penanganan produk pertanian yang lebih baik, detail dan akurat. Sehingga memiliki potensi daya dukung tinggi terhadap upaya pengembangan pertanian presisi.
DAFTAR PUSTAKA Allais, I., Alvarez, G., 2001. Analysis of heat transfer during mist chilling of a packed bed of spheres simulating foodstuffs. Journal of Food Engineering 49, 37–47. Ambaw, A., Delele, M.A., Defraeye, T., Ho, Q.T., Opara, L.U., Nicolaϊ, B.M., Verboven, P. 2013. The use of CFD to caracterize and design post-harvest storage facilities: Past, present and future. Computers and Electronics in Agriculture. (93): 184-194. Bruse, M., 1998. Development of a numerical model for the simulation of exchange processes between small scale environmental design and microclimate in urban areas [Ph.D thesis]. Germany: University of Bochum. Endalew, A.M., Hertog, M., Gebrehiwot, M.G., Baelmans, M., Ramon, H., Nicolaϊ, B.M., Verboven, P., 2009. Modeling airflow within model plant canopies using an integrated approach. Computers and Electronics in Agriculture. (66): 924. Fatnassi, H., Boulard, T., Poncet, C., Chave, M., 2006. Optimisation of greenhouse insect screening with computational fluid dynamics. Biosystems Engineering. (93): 301312. Gebremedhin, K.G., Wu, B., 2003. Characterization of flow field in a ventilated space and simulation of heat exchange between cows and their environment. Journal of Thermal Biology. (28): 301-319. Haindl,B., Kosik, R., Fleischmann,P., Selberherr,S., 1999. Comparison of finite element and finite box discretization for threedimensional diffusion modeling using AMIGOS. International Conference on simulation of semiconductor processes and devices (SISPAD‘99), Kyoto, Japan, june 9-August 9, pp 131-134.
Janjai, S., Lamlert, N., Intawee, P., Mahayothee, B., Haewsungcharern, M., Bala, B.K., Müller, J. 2008. Finite element simulation of drying of mango. Biosystems Engineering. (99): 523531 Majdoubi, H., T. Boulard, H. Fatnassi, L.Buirden. 2009. Airflow and microclimate patterns in a onehectare Canary type greenhouse: An experimental and CFD assisted study. Agricultural and Forest Meteorology (149): 1050-1062 Molina-Aiz, F.D., H. Fatnassi, T. Boulard, J.C. Roy, D.L. Valera. 2010. Comparison of finite element and finite volume methods for simulation of natural ventilation in greenhouses. Computers and Electronics in Agriculture (72): 69-86. Nakajima,K., Kallinderis, Y. 1994. Comparison of finite element and finite volume methods for incompressible viscous flows. AIAAJ. 32 (5).1090-1093. Niam, A.G., 2009. Simulasi distribusi suhu dan pergerakan udara pada rumah tanaman tipe standar peak berventilasi mekanis menggunakan Computational Fluid Dynamics. [thesis]. Bogor: Pascasarjana, Institut Pertanian Bogor. Norton, Tomas., Da-Wen Sun, Jim Grant, Richard Fallon, Vincent Dodd. 2007. Applications of Computational Fluid Dynamics (CFD) in The Modeling and Design of Ventilation Systems in The Agricultural Industry: A review. Bioresource Technology (98): 23862414. O‘Callaghan,S., Walsh, M., McGloughlin, T., 2003. Comparison of finite volume, finite element and theoretical predictions of blood flow through an idealised femoral artery. Summer Bioengineering Conference. Key Biscayne, Florida, USA, june 25-29. Pp 417-418. Piscia, D., Montero, J.I., Baeza, E., Bailey, B.J., 2012. A CFD 113
greenhouse night-time condensation model. Biosystems Engineering (3) 141-154. Roy, J.C., Vidal, C., Fargues, J., Boulard, T., 2008. CFD based determination of temperature and humidity at leaf surface. Computers and Electronics in Agriculture. (61): 201-212. Sun,
114
Da-Wen, 2007. Computational Fluid Dynamics in Food Processing. CRC Press. USA.
Teitel, M. 2010. Using computational fluid dynamics simulations to determine pressure drops on woven screens. Biosystem Engineering (105):172-179. Versteeg H.K. and W. Malalasekera. 1995. An Introduction to Computational Fluid Dynamics The Finite Volume Method. John Wiley & Sons Inc. New
