Computational and Statistical Methods for Chemical Engineering

در دهه‌های اخیر، روش‌های نوظهور اندازه‌گیری مولکولی و در دسترس بودن متعاقب آن در پایگاه‌داده‌های شیمیایی، امکان بازیابی آسان‌تر داده‌های مرتبط را توسط تحلیلگر شیمیایی فراهم کرده است. قبل از انقلاب داده‌ها، بیشتر کتاب‌ها بر روی مدل‌سازی ریاضی فرآیندهای شیمیایی یا شیمی‌سنجی اکتشافی تمرکز داشتند. هدف روش‌های محاسباتی و آماری برای مهندسی شیمی ترکیب کردن است. این دو رویکرد به مهندسین شیمی مشتاق، گزارش واحد و جامعی از روش‌های محاسباتی و آماری ارائه می‌دهند.

این کتاب شامل چهار بخش است:

• قسمت اول در مورد محاسبات ضروری، جبر خطی و پیشینه احتمالی که دانش آموز ممکن است قبلاً با آن برخورد کرده باشد یا نخورده بحث می کند. span>
• بخش دوم مروری بر روش‌های محاسباتی استاندارد و تکنیک‌های تقریب مفید برای سیستم‌های مهندسی شیمی ارائه می‌کند.</ span>
• بخش سوم مهم‌ترین مدل‌های آماری را پوشش می‌دهد، از مدل‌های اندازه‌گیری ساده، از طریق مدل‌های خطی تا استوکیومتری چند متغیره و غیرخطی. مدل‌ها.
• بخش چهارم بر اهمیت آزمایش‌های طراحی‌شده و تحلیل‌های قوی تمرکز دارد.

هر فصل با مجموعه ای گسترده از تمرین های نظری و عملی همراه است. این کتاب را می توان در ترکیب با هر محیط محاسباتی مدرن مانند R، Python و MATLAB استفاده کرد. با توجه به در دسترس بودن آسان و رایگان، این کتاب شامل یک فصل جایزه است که مقدمه ای ساده برای برنامه نویسی R را ارائه می دهد.

این کتاب به ویژه برای دانشجویان کارشناسی مهندسی شیمی که به یک ترم نیاز دارند مناسب است. درس روش های محاسباتی و آماری. فصل‌های پس‌زمینه حساب دیفرانسیل و انتگرال، جبر خطی و احتمال، کتاب را کاملاً مستقل می‌سازد. کتاب نمونه های خود را از رشته شیمی و مهندسی شیمی گرفته است. به این ترتیب، دانش‌آموز را تشویق می‌کند تا فعالانه با مطالب درگیر شود و بر تکنیک‌هایی که برای مهندس شیمی مدرن حیاتی شده‌اند تسلط پیدا کند.

In the recent decades, the emerging new molecular measurement techniques and their subsequent availability in chemical database has allowed easier retrieval of the associated data by the chemical analyst. Before the data revolution, most books focused either on mathematical modeling of chemical processes or exploratory chemometrics. Computational and Statistical Methods for Chemical Engineering aims to combine these two approaches and provide aspiring chemical engineers a single, comprehensive account of computational and statistical methods.

The book consists of four parts:

• Part I discusses the necessary calculus, linear algebra, and probability background that the student may or may not have encountered before.
• Part II provides an overview on standard computational methods and approximation techniques useful for chemical engineering systems.
• Part III covers the most important statistical models, starting from simple measurement models, via linear models all the way to multivariate, non-linear stochiometric models.
• Part IV focuses on the importance of designed experiments and robust analyses.

Each chapter is accompanied by an extensive selection of theoretical and practical exercises. The book can be used in combination with any modern computational environment, such as R, Python and MATLAB. Given its easy and free availability, the book includes a bonus chapter giving a simple introduction to R programming.

This book is particularly suited for undergraduate students in Chemical Engineering who require a semester course in computational and statistical methods. The background chapters on calculus, linear algebra and probability make the book entirely self-contained. The book takes its examples from the field of chemistry and chemical engineering. In this way, it motivates the student to engage actively with the material and to master the techniques that have become crucial for the modern chemical engineer.