Month: March 2025

Menganalisis Kebisingan, Getaran, dan Kekasaran dengan Ansys Motor-CAD NVH Tuning Kebisingan, getaran, dan kekasaran (NVH) adalah faktor kritis dalam desain dan kinerja mesin listrik. NVH yang berlebihan dapat menyebabkan umur produk lebih pendek, peningkatan biaya perawatan, dan ketidakpuasan pelanggan. Mengatasi tantangan NVH sejak tahap awal desain sangat penting untuk menghindari masalah NVH utama di tahap pengembangan selanjutnya. Analisis NVH pada motor secara inheren merupakan masalah multifisika yang kompleks, menggabungkan analisis elektromagnetik dan mekanik. Hal ini karena masalah NVH pada motor biasanya berasal dari interaksi antara gaya elektromagnetik dan komponen struktural, seperti stator. Oleh karena itu, pemahaman yang komprehensif tentang sifat elektromagnetik dan mekanik motor sangat penting untuk memprediksi kinerja NVH dengan akurat. Alat desain motor listrik Ansys Motor-CAD adalah solusi khusus untuk simulasi multifisika mesin listrik di seluruh rentang torsi-kecepatan. Alat ini memungkinkan pengguna untuk mengevaluasi kinerja elektromagnetik, termal, dan mekanik dalam satu antarmuka pengguna. Integrasi modul elektromagnetik dan mekanik dalam perangkat lunak Motor-CAD memungkinkan analisis NVH yang cepat, serta memfasilitasi optimasi desain motor secara iteratif. Pendekatan ini memberdayakan pengguna untuk menyesuaikan parameter desain utama—seperti konfigurasi belitan, geometri rotor dan stator, serta material struktural—dan dengan cepat mengevaluasi dampaknya terhadap kinerja NVH. Fleksibilitas ini membantu mencapai keseimbangan optimal antara kinerja, biaya, dan karakteristik NVH. Untuk analisis NVH yang cepat, perangkat lunak Motor-CAD menggunakan model mekanik analitis yang menyederhanakan geometri stator menjadi struktur cincin sederhana. Namun, terdapat keterbatasan dalam perhitungan kekakuan. Misalnya, hal ini dapat terjadi ketika bagian bawah gigi stator lebar, seperti yang ditunjukkan pada Gambar 1, di mana geometri gigi dapat mempengaruhi kekakuan yoke stator. Gambar 2 membandingkan level equivalent radiated power (ERP) Motor-CAD yang belum disetel dengan hasil dari perangkat lunak analisis elemen hingga (FEA) struktural Ansys Mechanical untuk motor pada Gambar 1. Model analitis Motor-CAD secara akurat memprediksi mode ke-0 (breathing mode) yang dieksitasi oleh harmonik gaya ketiga. Namun, model ini tidak secara efektif memprediksi mode ke-6 (hexagon mode) yang dieksitasi oleh komponen harmonik gaya kedua, karena pengaruh bagian bawah gigi yang lebar terhadap kekakuan yoke stator. Perbedaan dalam mode ke-6 ini berdampak pada akurasi keseluruhan prediksi NVH. Gambar 2. Perbandingan ERP antara perangkat lunak Ansys Motor-CAD dan perangkat lunak Ansys Mechanical: (atas) mode ke-0 yang dieksitasi oleh harmonik gaya ketiga, (bawah) mode ke-6 yang dieksitasi oleh harmonik gaya kedua. Gambar 3 menampilkan hasil analisis modal dari perangkat lunak Mechanical, menunjukkan bahwa mode ke-0 dan mode ke-6 terjadi pada frekuensi 4711,7 Hz dan 4456,3 Hz, masing-masing. Seperti yang ditunjukkan pada Gambar 3b, terdapat perbedaan yang signifikan dalam nilai frekuensi natural untuk mode ke-6, dan model NVH Motor-CAD dapat disesuaikan agar selaras dengan nilai frekuensi natural yang dihitung dari perangkat lunak Mechanical. Gambar 4 menunjukkan cara menyesuaikan parameter modal untuk menyetel model NVH Motor-CAD. Untuk mencocokkan frekuensi natural mode ke-6, nilai kekakuan yang diperlukan dapat dengan mudah dihitung menggunakan persamaan yang ditampilkan pada Gambar 4b, yang diturunkan dari definisi frekuensi natural. Gambar 3a (kiri) dan 3b (kanan). Hasil analisis modal dari perangkat lunak Mechanical: (kiri) mode ke-0, (kanan) mode ke-6. Gambar 4a (kiri) dan 4b (kanan). Penyesuaian parameter modal Setelah memasukkan parameter modal yang baru, model Motor-CAD NVH secara otomatis disesuaikan, dan hasil analisis NVH diperbarui dalam beberapa detik. Model yang telah disesuaikan dapat memprediksi tingkat ERP dengan lebih akurat, seperti yang ditunjukkan pada Gambar 5. Gambar 5a (atas) dan 5b (bawah). Perbandingan ERP antara perangkat lunak Motor-CAD yang telah disesuaikan dan perangkat lunak Mechanical: (atas) mode ke-0 yang dipicu oleh harmonik gaya ketiga, (bawah) mode keenam yang dipicu oleh harmonik gaya kedua Seperti yang ditunjukkan pada Gambar 6, model Motor-CAD NVH yang telah disesuaikan memiliki korelasi yang erat dengan hasil analisis elemen hingga penuh dari perangkat lunak Mechanical. Gambar 6. Perbandingan ERP hasil antara perangkat lunak Motor-CAD dan perangkat lunak Mechanical Penyetelan NVH dalam perangkat lunak Motor-CAD mudah dan langsung digunakan, hanya memerlukan satu analisis modal atau data uji untuk menyetel parameter modal. Setelah model NVH disesuaikan dengan benar, analisis NVH dapat dijalankan dalam perangkat lunak Motor-CAD untuk memahami karakteristik kebisingan di seluruh rentang operasi. Hal ini pada akhirnya akan membantu mencegah desain ulang dan keterlambatan dalam peluncuran produk, sehingga menghemat waktu dan biaya dalam jangka panjang. Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan ansys, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman.

Berbagai industri, mulai dari dirgantara dan otomotif hingga kesehatan dan industri, berfokus pada pengurangan jejak lingkungan mereka. Banyak perusahaan menargetkan net-zero pada tahun 2050 atau lebih cepat, tetapi mereka tidak bisa mencapainya sendiri. Actemium Energy AI — sebuah grup rekayasa kelas atas dalam Actemium, yang merupakan bagian dari VINCI Energies — menghadirkan solusi analisis data dan optimalisasi terobosan dengan menggunakan simulasi Ansys dan kecerdasan buatan (AI). Actemium menyediakan solusi yang aman dan berkelanjutan sepanjang siklus hidup industri — mulai dari desain hingga pemeliharaan. Dengan menggabungkan keahlian mendalam dalam otomasi, AI, dan rekayasa dengan pendekatan spesifik sektor, Actemium mengoptimalkan kinerja dan mengurangi konsumsi energi. Actemium Energy AI menciptakan kembaran digital dari sebuah bangunan berdasarkan gambar desain berbantuan komputer (CAD) atau pemindaian lidar. Kemudian, menggunakan perangkat lunak simulasi fluida Ansys Fluent untuk memodelkan ventilasi, pemanasan, radiasi, dan lainnya, lalu menghubungkan hasilnya dengan sistem HVAC. Actemium Energy AI berfokus pada manajemen energi di seluruh sektor energi. Tim insinyurnya memiliki keahlian dalam fisika dan matematika, dengan banyak dari mereka sebelumnya bekerja di berbagai sektor sebelum bergabung dengan Actemium. “Kita saat ini berada dalam masa transisi dalam hal fokus lingkungan dan teknologi,” kata Leon Löwered, kepala inovasi dan teknologi di Energy AI. “Di satu sisi, kita memiliki pemahaman yang lebih baik serta lebih banyak solusi teknologi yang tersedia untuk mengurangi dampak dan jejak lingkungan kita. Di sisi lain, masih banyak bidang yang terus meningkatkan dampak negatifnya terhadap lingkungan. Saya sangat percaya bahwa kita perlu bekerja dengan solusi teknologi, tetapi juga menggunakannya secara efektif dan di tempat yang memberikan nilai paling besar.” Actemium menggunakan model simulasi untuk mengoptimalkan perubahan pada sistem HVAC, seperti penempatan atau arah aliran, serta komponen teknis seperti kipas, pemanas, dan logika kontrol yang mengatur bagaimana semua elemen bekerja bersama. Optimasi Bangunan Mengoptimalkan operasional untuk mengurangi konsumsi energi bisa menjadi tantangan. Ini memerlukan analisis data dalam jumlah besar, pemahaman terhadap sistem yang kompleks, dan pengambilan keputusan yang tepat. Meskipun optimasi manual sering dilakukan, proses ini memakan waktu, tidak praktis, dan sering kali tidak dapat menemukan potensi maksimal dari sistem. Actemium Energy AI menggunakan pemodelan virtual untuk dengan cepat melakukan iterasi desain, mengeksplorasi berbagai solusi, sekaligus mengoptimalkan berbagai tujuan secara bersamaan. “Tujuan utama kami adalah menciptakan solusi untuk memahami potensi spesifik sebuah bangunan—bukan hanya berdasarkan satu skenario ekstrem, tetapi mempertimbangkan faktor seperti cuaca, musim, waktu dalam sehari, operasional, jumlah penghuni, dan lainnya. Kemudian, kami mengoptimalkan solusi dengan mempertimbangkan dampak, biaya, serta kepraktisan implementasi,” kata Löwered. Actemium Energy AI menciptakan kembaran digital dari bangunan yang bersangkutan berdasarkan gambar desain berbantuan komputer (CAD) atau pemindaian lidar. Kemudian, menggunakan perangkat lunak simulasi fluida Ansys Fluent untuk memodelkan ventilasi, pemanasan, radiasi, dan lainnya, lalu menghubungkan hasilnya dengan sistem HVAC. Dengan model yang telah dibuat, Actemium dapat mengoptimalkan perubahan seperti penempatan atau arah aliran, serta komponen teknis seperti kipas, pemanas, dan logika kontrol untuk memastikan seluruh sistem bekerja secara efisien. Actemium Energy AI melakukan simulasi skala besar untuk mengevaluasi aliran panas dan energi secara cepat dalam lingkungan virtual. Metode ini secara signifikan mengurangi kebutuhan akan prototipe fisik yang mahal dan sangat bermanfaat pada tahap awal desain. Dengan optimasi dan kecerdasan buatan (AI), desain dapat dibuat lebih efisien, serta potensi masalah dapat terdeteksi lebih awal dan diatasi sebelum pengujian atau instalasi fisik dilakukan. “Salah satu kunci kesuksesan tim kami adalah menggabungkan berbagai solver dan menjalankannya secara bersamaan,” kata Löwered. “Kami bekerja dengan model simulasi yang cukup besar, di mana kami mengombinasikan simulasi sistem, simulasi CAE, dan sistem kontrol. Dan saya pikir itulah inti dari keahlian yang kami miliki saat ini.” Pada tahun 2024, Löwered dan timnya menerima Technological Breakthrough Award dalam ajang VINCI Energies’ Environment Awards. Dengan menggunakan perangkat lunak Fluent, Actemium Energy AI membantu sebuah penyedia energi besar di Swedia mengurangi konsumsi energi untuk pendinginan komponen listrik industri hingga 20%, yang berdampak pada peningkatan umur sistem. “Dalam sistem ini, ada keterbatasan dalam melakukan perubahan karena sistem harus berjalan terus-menerus, sehingga pemeliharaan menjadi tantangan,” jelas Löwered. “Solusi kami menunjukkan bahwa sering kali ada banyak hal yang bisa dioptimalkan tanpa harus melakukan peningkatan sistem besar-besaran. Kami mencari penyesuaian kecil yang memberikan dampak besar tanpa perlu membangun ulang apa pun. Kali ini, pelanggan tidak perlu membeli peralatan baru, berinvestasi dalam rekonstruksi besar, atau menghentikan operasionalnya.” Meskipun Löwered dan timnya telah lama menggunakan perangkat lunak Fluent, faktor penentu utama adalah dukungan yang mereka terima dari Ansys. “Pada akhirnya, pilihan kami untuk menggunakan Ansys dipengaruhi oleh kualitas alatnya, skalabilitas yang luar biasa, serta hubungan yang kuat dengan tim Ansys,” kata Löwered. “Ini memberi kami keyakinan untuk terus berkembang lebih jauh.” Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan ansys, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi ansys.ilogoindnesia.id untuk informasi lebih lanjut!

Dengan pembaruan terbaru pada objek rantai di perangkat lunak rekayasa misi digital Ansys Systems Tool Kit (STK), rantai kini memiliki alat baru yang dapat digunakan oleh pengguna. Salah satu penambahan terbesar pada objek rantai adalah kemampuan untuk menghitung strand optimal dari rantai tersebut. Sekarang, pada halaman Optimal Strand dalam rantai, Anda dapat menemukan strand terbaik dengan membandingkan metrik seperti jarak atau keterlambatan pemrosesan. Selain itu, Anda juga dapat memasukkan metrik khusus dengan membuat skalar perhitungan melalui fitur Analysis Workbench dalam perangkat lunak STK. Dalam STK, metrik baru telah ditambahkan untuk memperluas kemungkinan analisis rantai: metrik durasi. Dengan diperkenalkannya metrik durasi, kini Anda dapat menentukan strand mana yang akan bertahan paling lama (atau paling singkat) dari langkah waktu tertentu. Hal ini memungkinkan berbagai jenis analisis, seperti menemukan objek yang memiliki akses terlama ke target dalam setiap lintasan, menentukan jalur multihop terbaik untuk meminimalkan jumlah pengalihan, mengidentifikasi objek yang gagal memberikan cakupan yang memadai di suatu area, dan banyak lagi. Logika di balik metrik durasi terutama dirancang untuk membantu menyelesaikan masalah dalam meminimalkan jumlah perpindahan antar objek target guna mempertahankan akses yang berkelanjutan. Jika metrik durasi diatur untuk mencari durasi maksimum dan dua akses dimulai pada waktu yang sama, maka strand optimal akan menjadi akses dengan durasi yang lebih lama. Strand ini akan tetap dianggap sebagai strand optimal hingga aksesnya terputus. Setelah akses terputus, durasi maksimum akan dihitung kembali untuk semua strand yang masih memiliki akses. Sebagai contoh, dalam skenario berikut: Target1 tersedia dari pukul 16:00 hingga 17:00 (60 menit ketersediaan). Target2 tersedia dari pukul 16:10 hingga 17:40 (90 menit ketersediaan). Target3 tersedia dari pukul 16:50 hingga 18:00 (70 menit ketersediaan). Pada awal skenario, strand optimal adalah menuju Target1 karena itu satu-satunya yang tersedia. Target1 tetap menjadi strand optimal hingga pukul 17:00, meskipun Target2 sudah terlihat dengan interval ketersediaan yang lebih panjang pada pukul 17:10. Ketika akses ke Target1 terputus pada pukul 17:00, perhitungan ulang dilakukan untuk menentukan strand optimal selanjutnya. Pada saat itu, Target3 dipilih sebagai strand optimal karena memiliki durasi akses tersisa yang lebih lama dibandingkan Target2: Target3 memiliki akses tersisa dari 17:00 hingga 18:00 (60 menit). Target2 memiliki akses tersisa dari 17:00 hingga 17:40 (40 menit). Meskipun Target2 memiliki total interval akses terpanjang (90 menit), ia tidak dipilih sebagai durasi maksimum karena durasi akses tersisanya lebih pendek dibandingkan Target3. Meskipun Target2 memiliki interval akses total terpanjang, ia tidak dipilih sebagai durasi maksimum. Lalu, bagaimana jika jumlah strand optimal ditingkatkan menjadi lebih dari satu? Jika Anda mencari beberapa strand optimal sekaligus, strand dengan durasi tersisa yang lebih pendek akan bergantung pada strand dengan durasi yang lebih panjang. Jika salah satu strand habis atau terputus, semua strand di bawahnya dalam “hierarki” durasi akan dievaluasi ulang. Sebagai contoh, misalkan Anda menghitung lima strand optimal terbaik. Jika strand ketiga kehilangan akses, maka perhitungannya akan diulang bersama dengan strand keempat dan kelima, sementara strand pertama dan kedua tetap tidak berubah. Fitur penting lainnya yang perlu diperhatikan adalah nilai yang dihasilkan oleh penyedia data “Optimal Strand at Time” dan “Optimal N Strands at Time”. Nilai yang dilaporkan oleh penyedia data ini adalah waktu tersisa dalam durasi strand optimal saat ini. Ada banyak cara kreatif untuk memanfaatkan nilai optimal ini. Karena nilainya terus “menghitung mundur” hingga perubahan strand optimal berikutnya, Anda dapat menggunakannya untuk berbagai keperluan, seperti menjadwalkan waktu henti antena saat beralih dari satu objek ke objek lainnya. Perilaku seperti hitungan mundur ini dapat diamati dalam grafik di bawah, yang menampilkan durasi strand optimal seiring waktu. Fitur utama yang perlu diperhatikan adalah nilai yang dihasilkan oleh penyedia data “Optimal Strand at Time” dan “Optimal N Strands at Time”. Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan Ansys Indonesian, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman. Hubungi kami sekarang atau kunjungi ansys.ilogoindnesia.com untuk informasi lebih lanjut!

Ansys Fluent 2025 R1 menghadirkan berbagai kemampuan baru yang mengesankan, termasuk solusi GPU untuk pembakaran, akustik, dan aliran permukaan bebas; peningkatan kecepatan dan akurasi solver untuk aplikasi kedirgantaraan dan elektrokimia dalam Fluent CPU solver; serta peningkatan produktivitas yang signifikan dalam pembuatan mesh dan pengaturan assembly dengan banyak zona, dengan operasi GUI yang lebih cepat 3–500X dan waktu keseluruhan untuk pengaturan lebih cepat 4–15X. Kasus Penggunaan yang Diperluas untuk Fluent GPU Solver dan Opsi Lisensi Baru Fisika baru yang didukung dalam Ansys Fluent GPU Solver pada Ansys 2025 R1 meliputi: Model FGM (Flamelet-Generated Manifold), yang menyediakan pemodelan pembakaran yang akurat dan efisien untuk turbin gas serta aplikasi pembakaran lainnya. Aeroakustik, dengan solusi hibrida GPU/CPU menggunakan model Ffowcs Williams–Hawkings (FW-H). Pemodelan radiasi permukaan-ke-permukaan, yang memberikan solusi radiasi yang efisien untuk media transparan. Pemodelan partikel dengan Discrete Phase Model (DPM), termasuk perpindahan massa ke fase gas untuk partikel yang menguap. Cairan termampatkan, untuk memodelkan aplikasi seperti water hammer. Metode Volume of Fluid (VOF), untuk pemodelan aliran permukaan bebas (β). Kemampuan ini memungkinkan berbagai kasus penggunaan baru untuk memanfaatkan peningkatan kecepatan performa yang signifikan dari *Fluent GPU Solver*, termasuk pembakaran turbin gas, aeroakustik, pendinginan elektronik, studi pencampuran, dan banyak lagi. Jenis lisensi baru juga tersedia untuk 2025 R1. **Lisensi Ansys CFD HPC Ultimate** yang baru menghilangkan batasan HPC, memungkinkan *Fluent* berjalan pada jumlah CPU atau GPU tanpa memerlukan lisensi HPC tambahan. Untuk mengetahui apakah opsi ini sesuai dengan kebutuhan bisnis dan desain Anda, silakan hubungi tim penjualan Ansys Indonesia. Tolok Ukur Percepatan Fluent GPU Solver Dari grafik yang disediakan, terlihat bahwa Fluent GPU Solver secara eksponensial mengurangi waktu penyelesaian simulasi dibandingkan dengan pemrosesan menggunakan CPU. Menyelesaikan simulasi ruang bakar dengan 12 juta sel menggunakan Fluent GPU Solver dengan model FGM pada delapan NVIDIA A100 menghasilkan peningkatan kecepatan 14X dibandingkan dengan perangkat keras CPU. Menyelesaikan simulasi akustik dengan 8 juta sel menggunakan Fluent GPU Solver dengan model FW-H pada delapan NVIDIA A100 menghasilkan peningkatan kecepatan 17X dibandingkan dengan perangkat keras CPU. Menyelesaikan simulasi pengisian kapiler dengan 1 juta sel menggunakan Fluent GPU Solver dengan metode VOF pada delapan NVIDIA A100 menghasilkan peningkatan kecepatan 13X dibandingkan dengan perangkat keras CPU. Dengan kemampuan baru yang tersedia dalam Fluent 2025 R1 GPU Solver, Anda dapat menjalankan simulasi jauh lebih cepat dibandingkan dengan perangkat keras CPU tradisional, sehingga lebih banyak waktu dapat digunakan untuk menganalisis hasil dan mengoptimalkan desain. Setiap rilis perangkat lunak menambahkan kemampuan baru ke dalam Fluent GPU Solver. Akses halaman FAQ Ansys Fluent GPU Solver untuk informasi lebih lanjut. Peningkatan UI/UX Pembaruan Antarmuka Web Fluent Tahun lalu, Ansys meluncurkan antarmuka web Fluent, yang memungkinkan akses ke perangkat lunak Fluent secara remote melalui browser web serta melakukan perubahan secara real-time saat perhitungan sedang berjalan. Dalam Fluent 2025 R1, alur kerja Watertight Meshing (WTM) kini tersedia dalam versi (β) di antarmuka web Fluent, mendukung upaya menuju alur kerja menyeluruh dalam satu UI. Selain itu, URL server web kini dapat dikirim langsung ke kotak masuk email, memudahkan koneksi ke server. Pengaturan izin terbatas juga tersedia saat berbagi URL server web dengan kolega untuk kolaborasi. Beberapa peningkatan grafis telah diterapkan, termasuk dukungan jalur partikel, pembaruan otomatis objek grafis selama simulasi, pemutaran animasi solusi, dan berbagai fitur lainnya untuk meningkatkan pengalaman post-processing. Pembaruan Fluent Desktop Untuk antarmuka desktop Fluent, peningkatan performa signifikan telah dilakukan pada kasus dengan banyak zona untuk mempercepat proses pembuatan mesh dan pengaturan awal. Hal ini sangat bermanfaat bagi aplikasi dengan ribuan zona, seperti baterai, sel bahan bakar, model kendaraan lengkap, dan lainnya. Berbagai operasi meshing dan pengaturan kini jauh lebih cepat, termasuk: Inisialisasi solusi dan penyalinan zona sel hingga 5X lebih cepat. Pemrosesan perubahan fisika hingga 500X lebih cepat. Auto-pairing antarmuka one-to-one hingga 10X lebih cepat. Waktu inisialisasi solusi Ansys 2025 R1 dibandingkan dengan 2024 R2 menunjukkan peningkatan kecepatan yang signifikan. Waktu pengaturan model Ansys 2025 R1 dibandingkan dengan 2024 R2 jauh lebih cepat secara eksponensial. Auto-pairing one-to-one untuk antarmuka nonkonformal kini 6–10X lebih cepat dibandingkan dengan versi sebelumnya. Pembaruan Fisika pada Fluent CPU Solver Sejumlah peningkatan fisika telah dilakukan dalam Fluent 2025 R1 untuk meningkatkan alur kerja aplikasi khusus industri. Aplikasi Elektrokimia Peningkatan pemodelan elektrokimia mencakup peningkatan ketahanan solver untuk model baterai Li-ion, secara signifikan mengurangi jumlah iterasi yang diperlukan per time step dari ratusan menjadi sekitar 20. Hal ini memungkinkan waktu simulasi yang jauh lebih cepat, dengan peningkatan kecepatan beberapa kali lipat. Pembaruan terbaru dalam Fluent 2025 R1 secara signifikan mengurangi jumlah time step yang diperlukan untuk model baterai Li-ion. Koneksi baterai berbasis variabel kini menggantikan koneksi berbasis zona untuk mengurangi hambatan dalam menghubungkan banyak zona, sehingga menghasilkan kecepatan penyelesaian yang jauh lebih tinggi. Koneksi berbasis variabel menggantikan koneksi berbasis zona untuk meningkatkan proses pembacaan dan penulisan data, serta mempercepat inisialisasi solusi dan waktu eksekusi simulasi. Selain itu, praktik terbaik untuk pemodelan elektrolisis kini tersedia, menyediakan alur kerja dan strategi solusi yang lebih andal, yang dapat diakses di sini. Aplikasi Dirgantara Peningkatan aplikasi dirgantara bagi pengguna yang bekerja pada desain dengan bilah berputar, seperti helikopter atau drone, mencakup pembuatan otomatis zona cakram rotor (floating discs) sebelum perhitungan saat menggunakan model bilah virtual (Virtual Blade Model – VBM). Hal ini secara signifikan mengurangi waktu preprocessing dan memungkinkan reposisi rotor dengan lebih mudah dalam solver. Model bilah virtual (Virtual Blade Model – VBM) dalam perangkat lunak Fluent menggantikan rotor 3D dengan cakram aktuator yang memperkenalkan efek rotor melalui istilah sumber momentum implisit dalam persamaan dasar. Pembaruan Workspace Fluent Aero Pembaruan pada Fluent Aero Workspace mencakup alur kerja adaptasi mesh dan pencarian parametrik (β) yang memungkinkan pengguna untuk: Melanjutkan dan memperbarui siklus adaptasi mesh atau pencarian parametrik untuk semua titik desain setelah dihentikan. Menghentikan siklus adaptasi mesh atau pencarian parametrik berdasarkan kriteria konvergensi. Melakukan post-processing untuk semua siklus pada semua titik desain. Peningkatan Kecepatan Meshing Peningkatan performa yang signifikan telah dilakukan dalam Fluent 2025 R1 untuk alur kerja Watertight Meshing (WTM). Untuk tugas seperti mengimpor geometri, memperbarui tabel, melakukan pola pada wilayah tertentu, dan lainnya, peningkatan kecepatan antara 3–350X diamati pada kasus dengan jumlah zona yang besar. Peningkatan kecepatan yang signifikan telah dilakukan pada alur kerja Watertight…