کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6595066 1423737 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mixture formulation through multivariate statistical analysis of process data in property cluster space
ترجمه فارسی عنوان
فرمول بندی مخلوط با استفاده از تجزیه و تحلیل آماری چند متغیره داده های فرآیند در فضای خوشه دارایی
کلمات کلیدی
فرمول بندی مخلوط، کاهش مدل، بهینه سازی، طراحی محصول شیمیایی، تجسم، مهندسی سیستم ها،
ترجمه چکیده
رویکردهای مدل سازی مبتنی بر داده ها برای نمایندگی فرآیندهای پیچیده و پدیده ها در مواردی که علت و اثر را نمی توان به راحتی از اصول اولیه توضیح داد، مناسب هستند. فرمول شیمیایی در تحقیق و توسعه صنعتی منطقه ای است که تجزیه و تحلیل داده های مخلوط می تواند به طور موثر مورد استفاده قرار گیرد. همبستگی، جزئی یا کامل، در داده های چنین مخلوط ذاتی است و نیاز به استفاده از ابزارهای آماری چند متغیره برای تجسم و شناسایی روابط مهم در داده ها دارد. در این مقاله یک روش متداول سیستماتیک بوسیله ادغام تکنیک های شیمیایی هدایت داده و ابزار تجسم و ابزار بهینه سازی بر اساس مالکیت برای حل مشکلات ساخت فرمول بندی مخلوط با ساختارهای چند بلوک داده می شود. تلاش برای تکمیل مدل های ریاضی با استفاده از درک چند متغیری از داده های فرآیند و محصول، شناسایی بصری اهداف پیش تعیین شده و تقسیم مشکل طراحی با ترکیب مفهوم فرمولبندی معکوس و تکنیک های خوشه بندی املاک متمرکز شده است. مطالعه موردی در توسعه صنعتی ترموپلاستیکی برای نشان دادن روش شناسی توسعه یافته در این مقاله ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
فرمول بندی مخلوط با استفاده از تجزیه و تحلیل آماری چند متغیره داده های فرآیند در فضای خوشه دارایی
چکیده انگلیسی
Data-driven modeling approaches are suitable for representing complex processes and phenomena in cases where cause-and-effect cannot be easily described from first-principles. Chemical product formulation in industrial research and development is an area where the analysis of mixture data could be utilized more effectively. Correlation, either partial or complete, is inherent in such mixture data and requires the use of multivariate statistical tools for visualization and identification of important relationships in the data. In this paper, a systematic methodology is developed by integrating data-driven chemometric techniques and property based visualization and optimization tools to solve mixture formulation problems involving multi-block data structures. Effort has been focused on: the development of mathematical models by utilizing multivariate understanding of process and product data, visually identifying design targets a priori, and decomposition of the design problem by incorporating the concept of reverse problem formulation and property clustering techniques. A case study in industrial thermo-plastic development is presented to illustrate the methodology developed in this paper.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Chemical Engineering - Volume 107, 5 December 2017, Pages 26-36
نویسندگان
, , ,