Monte Carlo Simulation on Nuclear Reactor and non-Reactor Application Topan Setiadipura.

Slides:



Advertisements
Presentasi serupa
Penjumlahan dan Pengurangan Pecahan
Advertisements

Pertemuan - 3 Heintje Hendrata, S.Kom.
SIMULASI MONTE CARLO.
HASIL PEMBAHASAN KELOMPOK V ICT PPTN Serpong, 1 Maret 2007.
Desain simulasi.
1 Simulasi Monte Carlo Pada Kasus Infinite Slab
5.MONTE CARLO 5.1. Metode Monte Carlo
Dasar Pemrograman MCNPX Oleh David Harendza. Alur Penggunaan MCNPX 1.Buat file input (Dibuat dengan notepad) 2.Save file tersebut dengan extension.i 3.Cek.
PERENCANAAN PROSES PERANGKAT LUNAK
Prototyping Aplikasi Teknologi Informasi
Basic Professional Training Course on Nuclear Installation 18 Maret 2014 Aspek Netronik R e a k t o r N u k l i r.
TOPIK RISET KELOMPOK NUKLIR ITB
D. Andiwijayakusuma Bidang Komputasi Pusat pengembangan Informatika Nuklir Badan Tenaga Nuklir Nasional.
BAB VII Simulasi Monte Carlo.
BAB VII Simulasi Monte Carlo.
ANALISIS LAJU DOSIS GAMMA DI PERMUKAAN KOLAM REAKTOR TRIGA 2000 SEBAGAI FUNGSI TINGGI AIR PENDINGIN PRIMER Rasito, R.H. Oetami, P. Ilham Y., dan Sudjatmi.
Disusun oleh Puput Candra Utami Teknik Industri
Pengumpulan Dan Pengolahan Data
MONTE CARLO INVENTORY SIMULATION
Pemodelan dan Simulasi Sistem (Pendahuluan)
 Statistical Simulation, menggambarkan sistem yang stochastic maupun static dan digunakan untuk meng-estimate nilai-nilai yang tidak bisa dengan mudah.
Customer’s satisfaction the element of proquality strategies of organization Vicha fitriana
MODEL PROSES REKAYASA PERANGKAT LUNAK
BAB 1 MENGENAL SIMULASI.
METODE SIMULASI Pertemuan 19
Rekayasa Perangkat Lunak
Metode rpl BY: Y. PALOPAK S.Si., MT..
Pertemuan 18 Aplikasi Simulasi
SIMULASI SISTEM PERSEDIAAN
PENYUSUNAN MODEL TENTANG KELAKUAN DINAMIK DAN STATIK DARI PROSES KIMIAWI Input : m, d, d’ Output : y, z Input : 1. Disturbance : a. Measured.
PROCESS MODELS.
Pengembangan SISTEM secara TOTALITAS bahan 14
10 documentation.
MM FENOMENA TRANSPORT Kredit: 3 SKS Semester: 5
Rekayasa perangkat lunak (rpl)
Professional documents
MM FENOMENA TRANSPORT Kredit: 3 SKS Semester: 5
TEORI PENDUGAAN (TEORI ESTIMASI)
SAMPLING DAN DISTRIBUSI SAMPLING
Perancangan Sistem Informasi
Bidang Komputasi Pusat pengembangan Informatika Nuklir
Reaktor Daya Eksperimen Konversi Teras TRIGA MARK II Bandung
BAB I TEKNIK SIMULASI.
ANALISA DAN PERANCANGAN SISTEM INFORMASI
Distribusi Normal.
By Daniel Damaris Novarianto S.
PERANCANGAN SISTEM SECARA UMUM
Analisa dan Perancangan Sistem
Teknik Informatika – Universitas Trunojoyo
Pengantar : Methods, Standard, and Work Design
MODEL SIMULASI Pertemuan 13
SAMPLING DAN DISTRIBUSI SAMPLING
Pengantar teknologi informasi. Dosen : Nahot frastian, S.kom
ANALISA DAN PERANCANGAN SISTEM INFORMASI
Pertemuan 13 Analisa Simulasi II
ANALISIS DAN PERANCANGAN SISTEM
Reaksi Fisi Toni Kus Indratno
Simulasi Monte Carlo Pertemuan 5 MOSI T.Informatika Ganjil 2008/2009
Universitas Diponegoro
PENGEMBANGAN PERANGKAT LUNAK
OFC-8: Perumusan Teknik Simulasi
Kelompok 2 Hardiyanto Rahmansham
DECISION MAKING IMPLEMENTATION
SIMULASI SISTEM PERSEDIAAN
( CAM/Model Perakitan Komponen ))
PENGEMBANGAN SISTEM.
Veni Wedyawati, M. Kom MODEL DAN SIMULASI
Pengantar : Methods, Standard, and Work Design
Pengembangan SISTEM secara TOTALITAS bahan 14
Monte Carlo Simulation
Transcript presentasi:

Monte Carlo Simulation on Nuclear Reactor and non-Reactor Application Topan Setiadipura

1.Application of MCNP. 2.Software development of monte carlo code. 3.Integration of existing code. Development Strategy

MCNP Application Neutronic Aspect of Nuclear Reactor 1.Criticality 2.Next ?!

1.Aplikasi MCNP 5 - SAMOP Reactor - Criticality Assembly - Advance Reactor  VHTR Kritikalitas Nuklir

MCNP model of SAMOP ICANSE 2007

Criticality Assembly LKSTN 2008

VHTR modelling LKSTN 2008

Analisis burn-up, mcnpx. Analisis teras penuh VHTR (prismatik / pebble bed) Skema paralel MCNP. Next ?

Aplikasi MCNP Non Reaktor Nuklir

Radiography Preliminary modelling of outer collimator Presented at Seminar Nasional Fisika 2007 UNAND by Prayudi

Material Integrity Study of Radiation Effect on RPV Steel Using Monte Carlo Method Presented at ISMID Belgium October 2007, and APS ITB 2007

Brachytherapy Calculation of : 1.Radial dose 2.Anisotropy Function 3.Air-Kerma

Brachytherapy Kerjasama dengan PRPN, PTKMR,PRR untuk pengembangan TPS Brachytherapy.

2. Pengembangan software berbasis metoda monte carlo a.RW-BATAN b.ASK-BATAN

Pengembangan RW-BATAN Analisis Kritikalitas dan Distribusi Flux

Sejarah Neutron dan Kritikalitas Nuklir Sejarah neutron dan perhitungan kritikalitas sistem nuklir. Dengan Metoda Monte Carlo sejarah dari tiap neutron diatas diikuti sejak awal neutron lahir hingga ‘mati’, dan dilakukan tabulasi untuk memberi parameter global sistem yaitu faktor multiplikasi, k eff.

Persamaan Transport Analisa neutronik dari sistem nuklir dapat digambarkan dengan persamaan transport,sbb: Dengan memecahkan persamaan transport diatas dapat diketahui populasi neutron pada tiap saat pada tiap koordinat. Untuk perhitungan kritikalitas dan tidak bergantung waktu maka persamaan transport disederhanakan menjadi :

detail Persamaan Transport keff== factor multiplikasi, ditambahkan sebagai faktor skala fluks angular neutron, populasi neutron pada koordinat tertentu dengan energi dan arah tertentu. == suku hilangnya neutron dari sistem karena tumbukan, T == suku penambahan neutron pada sistem karena tumbukan, S == suku hilangnya neutron dari sistem karena bocor, L suku penambahan neutron pada sistem karena reaksi fisi, M ==

Persamaan Eigen Untuk lebih mudah penjelasan mengenai bentuk persamaan eigen, persamaan transport kita nyatakan dalam bentuk sederhana berikut : Persamaan terakhir adalah persamaan nilai eigen yang akan diselesaikan dengan Iterasi Pangkat

Persiapan –Penyiapan library data nuklir lokal. –Perhitungan rapat atomik tiap isotop. Simulasi –Sejarah neutron Jarak bebas Isotop yang berinteraksi Jenis interaksi Energi dan arah baru neutron setelah interaksi –Tabulasi estimasi neutron K-eff dengan estimasi panjang lintasan. Rerata fluks neutron dengan estimasi panjang lintasan. Sekilas RW-BATAN

Estimasi panjang lintasan u/ k-eff Langkah simulasi : 1.Menentukan tebakan awal untuk k eff dan fluks, keff(0) dan. 2.pecahkan persamaan nilai eigen untuk menentukan fluks baru,. 3.Tentukan keff baru, keff(n+1). 4.Ulangi langkah 1-3 hingga k eff (n+1) dan fluks konvergen. 5.Setelah konvergen maka iterasi tetap dilanjutkan dengan melakukan tabulasi parameter yang diinginkan.

Hasil perhitungan k-eff RW-BATAN menyimpang sekitar % dari hasil perhitungan MCNP.(?!) Diantara sebab : –Sampling distribusi energi neutron hasil fisi. Estimasi panjang lintasan u/ k-eff

Estimasi panjang lintasan u/ Fluks

MCNP-based Integrated Code Perangkat Lunak Terintegrasi untuk Desain dan Analisis Sistem Energi Nuklir

Pengembangan ASK-BATAN Analisis Sensitivitas dan Ketidakpastian Probabilistik

(Sistem / Model) Kita memiliki sistem / model y=f(x), dua hal yang harus kita ketahui : 1.Bagaimana ketidakpastian pada y, dengan mengetahui ketidakpastian pada x. 2.Seberapa penting elemen tertentu dari x terhadap ketidakpastian y. Analisa Ketidakpastian (Uncertainty Analysis) Analisa Sensitivitas (Sensitivity Analysis) Definisi Masalah (1)

Diambil dari : Ch.9 Uncertainty and Sensitivity Analysis oleh E.Zio Definisi Masalah (2)

1.Karakterisasi ketidakpastian pada input. 2.Pembangkitan ‘sample’. 3.Pemetaan ‘sample’ dalam analisa model 4.Pemaparan hasil AK. Alur Analisa Ketidakpastian(AK)

Mendefisinikan distribusi yang mengkarakterisasi masing-masing komponen input. Umumnya dilakukan dengan proses ulasan- pakar (expert-review- process), dapat pula dengan fitting dari data- data yang ada. 1. Karakterisasi Input

Proses pengambilan ‘sample’ dari input berdasarkan distribusi yang telah di definisikan pada langkah sebelumnya. Metoda yang digunakan diantaranya (yang paling popular) adalah metoda Monte Carlo terutama Latin Hypercube Sampling. Diperoleh sejumlah S komposisi input X k 2. Pembangkitan ‘sample’(1/3)

’ Menentukan nilai y dari tiap komposisi x k yang telah di ‘sampling’. atau Diperoleh data sample hasil y k Diketahui distribusi / sifat statistik dari ketidakpastian pada y k 3. Pemetaan ‘sample’

Menginformasikan distribusi dari y k yang menunjukkan ketidakpastian dari model/sitem yang dipelajari. Diantara bentuknya : fungsi densitas, fungsi distribusi kumulatif (CDF), CCDF, atau lainnya. 4. Pemaparan Hasil Perbandingan antara cdf dari Latin Hypercube sampling (ka) dan standard monte carlo(ki). Menggunakan ASK-BATAN. CCCNS2008-LIPI