Table of Contents

การ คํานวณ เหล่า นี้ ซึ่ง ใช้ กัน อย่าง กว้าง ขวาง ใน การ ออก แบบ, การ ปรับ ปรุง ให้ สมบูรณ์, และ การ ทํา ให้ เกิด ปัญหา ด้าน การ ผลิต ทาง เคมี การ คาด คะเน เรื่อง ความ แม่นยํา ของ สิ่ง แวด ล้อม ขึ้น อยู่ กับ การ คาด การณ์ เรื่อง ความ แม่นยํา ใน เรื่อง ความ แม่นยํา ของ พื้น ที่ ใน โลก จริง เมื่อ ข้อมูล ที่ ถูก ต้อง แม่นยํา แล้ว การ จําลอง แบบ จําลอง แบบ จําลอง แบบ จําลอง นี้ จะ ส่ง ผล ให้ มี การ ดําเนิน งาน ที่ ปลอด ภัย กว่า, มี คุณภาพ ทาง เศรษฐกิจ มาก ขึ้น, และ มี ประสิทธิภาพ มาก ขึ้น แม้ แต่ ความ ผิด พลาด เล็ก ๆ น้อย ๆ ใน การ จําลอง ตัว อย่าง ที่ สําคัญ ก็ อาจ ทํา ให้ เกิด การ ทํา งาน สําคัญ ยิ่ง ขึ้น บทความ นี้ จะ พิจารณา บทบาท สําคัญ ของ ความ แม่นยํา ของ พลัง งาน ใน การ ออก แบบ ที่ ถูก ต้อง แม่นยํา ของ ความ แม่นยํา ของ พลัง งาน ใน โลก จริง ๆ, และ มี ผล ให้ เกิด ผล ดี ขึ้น ด้วย โดย การ ทํา ให้ เกิด ความ สําเร็จ ได้ อย่าง น่า ทึ่ง

บทบาท พื้น ฐาน ของ ข้อมูล ที่ มี อยู่ ใน กระบวนการ จําลอง

ในหัวใจของการจําลองกระบวนการทุก ๆ กระบวนการ มีการจัดลําดับของการคํานวณคุณสมบัติของเทอร์โมไดนามิกส์ คุณสมบัติที่สําคัญคือ เอนเทนโทรปี เอนโทรปี ฟิวจีเรีย สัมประสิทธิ์กิจกรรม และค่าสมดุลของค่าของค่าของแต่ละช่วง คุณสมบัติเหล่านี้กําหนดว่าสิ่งมีชีวิตเคมีประพฤติตัวอย่างไร ภายใต้อุณหภูมิ, ความกดอากาศ, และองค์ประกอบต่างๆ

ข้อมูลสภาวะสมดุลของสภาวะสมดุลนั้นมีความสําคัญมาก ในกระบวนการกลั่นกรอง การสกัดดึง และ การดูดซับของตัวคอลัมน์ การดูดซึมที่ถูกต้อง

การประมาณค่าของข้อมูล ที่ยอมรับได้บนแบบจําลองผลออกมา

ผลกระทบของการไม่แน่นอนข้อมูล ไม่ได้เป็นเพียงการขยายผลออกไปเท่านั้น -- มันสามารถถูกขยายความได้โดยการวิเคราะห์แบบละเอียดและศึกษากรณีต่าง ๆ หลายบริษัทได้บันทึกว่า ข้อผิดพลาด 1% ในคุณสมบัติที่สําคัญ เช่น พารามิเตอร์สองตัวแปร สามารถนําไปสู่ข้อผิดพลาด 5-110% ในการออกแบบหรือการนําเครื่องปฏิกรณ์ไปใช้แทน ตัวแปรนั้นไม่ใช่แบบเชิงเส้น และบ่อยครั้งทําให้การขยายตัวลงด้านล่าง

ออกแบบคอลัมน์ที่เลิกใช้

ลองพิจารณาคอลัมน์การกลั่นตัวแบบไบนารี การแยกองค์ประกอบแบบใกล้ (อีเอส) โดยใช้สมการของรัฐ (อีเอส) ที่มีความกดอากาศที่เป็นธาตุบริสุทธิ์ที่ไม่แม่นยํา หรือตัวแปรการปฏิสัมพันธ์แบบไบนารี สามารถนําไปสู่ความผันผวนที่เปลี่ยนแปลงจากความเป็นจริงได้ อัตราการผันตัวของสิ่งมีชีวิตที่คล้ายคลึงกันอาจส่งผลให้มีความผันผวนของกลุ่มที่เป็นญาติที่มีความเสี่ยงต่ํากว่า 20-30 ขั้น ตอน เมื่อสร้างคอลัมน์ดังกล่าว ไม่สามารถบรรลุความแตกแยกได้ เนื่องจากผลกระทบของผลิตภัณฑ์ที่แพงหรือขาดคุณสมบัติอื่น ๆ เหตุการณ์นี้จะเป็นสาเหตุของการผลิตที่ก่อให้เกิดประสิทธิภาพร่วมของการผลิต

รี แอ ค เตอร์ คิ นา ติกส์ และ เอ ค วิ ลิ บริ อุม

ในเครื่องปฏิกรณ์จําลอง ความร้อนที่ไม่แม่นยําของปฏิกิริยา มีผลกระทบต่อประวัติอุณหภูมิ และผลก็คือ อัตราปฏิกิริยาปฏิกิริยาและการเลือก สําหรับปฏิกิริยาที่ทําให้เกิดปฏิกิริยาที่ผิดปกติ

เครือข่ายแลกเปลี่ยนความร้อนและพลังงานโอปติมิมิตี

การ ออก แบบ แบบ แบบ ความร้อน แบบ ความร้อน แบบ ที่ ใช้ ได้ ผล จริง ขึ้น อยู่ กับ ความ สามารถ ใน การ วัด ความ ร้อน และ การ ใช้ งาน ที่ ถูก ต้อง แม่นยํา การ ทํา ความ ผิด เล็ก ๆ น้อย ๆ ใน ความ ถี่ ของ น้ํา (เช่น 2%) สามารถ สะสม ความ ร้อน ที่ เพิ่ม ขึ้น ได้ มาก จน ทํา ให้ ต้อง คํานวณ ความ ร้อน ผิด พลาด ไป การ เปลี่ยน แปลง นี้ อาจ ทํา ให้ เกิด การ ศึกษา วิจัย วิจัย เกี่ยว กับ ความ ร้อน โดย ตรง และ ค่า ใช้ จ่าย ใน การ ใช้ จ่าย ใน การ ทํา งาน

แหล่ง ข้อมูล โดย ทั่ว ไป ของ การ ไม่ รับ รู้ ข้อมูล

การ เข้าใจ ว่า ความ ผิด ปกติ ที่ เกิด จาก การ ทํา ผิด พลาด เกิด จาก อะไร ช่วย ให้ วิศวกร มี การ ปรับ ปรุง เป้า หมาย.

การวัดค่าผิดพลาด

คุณสมบัติของเทอร์โมไดนามิกส์นั้นถูกวัดภายใต้เงื่อนไขของห้องทดลองที่ควบคุมได้ แต่ไม่มีการวัดใดสมบูรณ์แบบ ระบบความบกพร่องของอุณหภูมิหรือเครื่องตรวจจับอุณหภูมิ ความบริสุทธิ์ของตัวอย่าง

ข้อ จํากัด ของ แบบ อย่าง ที่ กําหนด ไว้ ล่วง หน้า

การจําลองกระบวนการไม่ค่อยอาศัยข้อมูลการทดลองเท่านั้น พวกเขาใช้โมเดลเทอร์โมไดนามิกส์ในการผสมและขยายผล มาตราฐาน (Phang-Robinson, Soave- Redch-Kwong, SAFF) และรุ่นสัมประสิทธิ์กิจกรรม (NRTL, NIIC, Willson) มีข้อจํากัดในตัวเอง ตัวอย่างเช่น มาตราฐาน Pong-Robinson, ในขณะที่ระบบไฮโดรคาร์บอนล้มเหลวอย่างมาก โดยไม่ต้องผสมกับระบบขั้ว หรือการผสมกันของระบบ แบบจําลองที่ไม่เหมาะสมสามารถแนะนําข้อผิดพลาดได้มากจากข้อมูลดิบดิบมาก

การหดตัวและค่าความมัวแสง

พารามิเตอร์ต่าง ๆ ที่ถูกปรับเปลี่ยนได้นั้น มีความยาวมากกว่า 70 ปี และสร้างข้อมูลจํากัดได้ ตัวอย่างเช่น ตัวแปรย่อยที่ใช้อย่างกว้างขวางใน Aspen Ascten language มักจะมาจากวรรณกรรม 1970

คุณภาพและความต่อเนื่องของฐานข้อมูล

Thermodical ฐานข้อมูลคุณภาพมีความหลากหลาย ฐานข้อมูลคุณภาพต่าง ๆ กัน ฐานข้อมูล Prprilities อาจจัดลําดับความสําคัญของความกว้างมากกว่าความแม่นยํา แม้แหล่งข้อมูลที่ถูกต้องเช่น [FLT: 0] เครือข่ายการอ้างอิงของเว็บไซต์เคมี (FMT: 0) หรือ ฐานข้อมูลคุณภาพ (สถาบันคุณภาพการสอน) จัดทําโครงสร้างพื้นฐานเพิ่มเติม แต่รุ่นที่เก่ากว่านั้นหลายคนใช้คุณสมบัติและส่วนประกอบที่บริสุทธิ์ได้เช่นกัน ตัวอย่างเช่น วิกฤตของอุณหภูมิ อาจเกิดจาก

กลยุทธ์ ใน การ ปรับ ความ จํา ให้ เข้า กับ ข้อมูล

การชดเชยข้อมูลอุณหพลศาสตร์ ต้องการวิธีการหลาย ๆ ที่ครอบคลุมข้อมูลการทดลองที่มีคุณภาพสูง

กําลังย้ายฐานข้อมูล

เมื่อใดก็ตามที่เป็นไปได้ การจําลองพื้นฐานในการประเมินข้อมูลการทดลองอย่างมีนัยสําคัญ แหล่งข้อมูลเช่น [FLT: 0] เครื่องกําเนิดธีราโมเดตา [FLT: 1] (TLT:1] (TLE) และ DIPR 801 ให้ข้อมูลที่จํากัดและผสมกันอย่างแน่นหนา ระบบคู่ขนาน DEMMA Chemistry search นําเสนอข้อมูลแบบครอบคลุม, LLLLLL และข้อมูลที่เกินมาใช้ร่วมกับข้อมูลหลักเหล่านี้ พึ่งพาข้อมูลปริยาย (PDF)

การตรวจสอบความถูกต้องและการกดพารามิเตอร์แบบจําลอง

มักจะตรวจสอบการคาดการณ์รุ่นที่ต่อต้านข้อมูลการทดลอง ก่อนที่จะทําการจําลองผลสุดท้าย หากมีการตรวจสอบข้อมูลพืชหรือพืชที่มีผลการตรวจสอบเพิ่มเติม ให้ปรับค่าโมเดลต่าง ๆ ที่ใช้เครื่องมือความถดถอยภายในโปรแกรมจําลอง การปรับแบบจําลองนี้จะทําให้แบบจําลองนี้สมบูรณ์ขึ้นกับความเป็นจริงได้ สําหรับระบบใหม่ที่มีข้อมูลน้อย ให้พิจารณาใช้วิธีการของกลุ่ม (เช่น UNIFAC) ด้วยความระวัง และประเมินความไวของความไวในหน้าต่างปฏิบัติการที่คาดหวัง

การ ใช้ วิธี การ ประสาน งาน ที่ ก้าว หน้า

เมื่อข้อมูลการทดลองหายไป วิธีที่ล้ําสมัยเช่น COSMO (COSMO) (การตรวจสอบตัวอย่างการตรวจจับของตัวจําลองสําหรับสารละลายจริง) หรือการจําลองโมเลกุล (เช่น มอนเตคาร์โลหรือไดนามิกไดนามิกส์) สามารถคาดเดาคุณสมบัติของอุณหพลศาสตร์ได้ด้วยความแม่นยําอย่างน่าแปลกใจ วิธีเหล่านี้ไม่ขึ้นอยู่กับการลดค่าตัวแปรจากการทดลอง และสามารถใช้ได้โดยเฉพาะอย่างยิ่งกับระบบของเหลว เภสัชกรรม หรือระบบความดันสูง อย่างไรก็ตาม พวกมันต้องการคุณสมบัติพิเศษและความชํานาญ

การ จําลอง ที่ ไม่ แน่นอน

แทน ที่ จะ ทํา การ วิเคราะห์ ข้อมูล ที่ มี ความ ซับ ซ้อน ของ อุณหภูมิ ให้ เป็น ตัว กําหนด วิศวกร ควร จะ ตรวจ สอบ ความ ไม่ แน่นอน ของ การ จําลอง ใน การ ผลิต ออก แบบ.

ฝึก อบรม ที่ ดี ที่ สุด สําหรับ วิศวกร และ นัก วิจัย

เพื่อ นํา เอา คุณภาพ ข้อมูล ไป ใช้ ใน การ จําลอง ประจํา วัน รับ เอา แนว แนะ ต่อ ไป นี้.

วิเคราะห์ช่องข้อมูล

ก่อน เริ่ม จําลอง การ จําลอง ให้ วิเคราะห์ วรรค: เขียน รายการ คุณสมบัติ ที่ จําเป็น ทุก อย่าง และ ระบุ ว่า มา จาก ข้อมูล ที่ ได้ รับ การ ทดลอง (มี ความ ไม่ แน่นอน) กลุ่ม ที่ ให้ การ สนับสนุน หรือ การ เปรียบ เทียบ.

ปรับปรุงฐานข้อมูลปกติ

Thermodiam ฐานข้อมูลปรับปรุงอย่างต่อเนื่อง การบอกรับข้อมูลจาก NIS, DIPR หรือผู้ให้บริการพาณิชย์เช่น AsPnutch แทนที่พารามิเตอร์ที่หมดอายุ โดยมีค่าที่แนะนําในปัจจุบันเป็นแพกเกจจําลองหลายแพกเกจ อนุญาตให้จัดการฐานข้อมูลที่กําหนดเองได้ ใช้คุณสมบัตินี้เพื่อรักษาฐานข้อมูลภายในที่ได้รับการยืนยัน

การยืนยันการมีส่วนร่วม

แบ่งปันและเปรียบเทียบผลลัพธ์กับเพื่อนร่วมงาน หรือทีมที่ทํางานเกี่ยวกับกระบวนการที่คล้ายกัน การตรวจสอบการข้ามแหล่งกําเนิดอิสระหรือแบบจําลองทางเลือก (เช่น ESOS สองตัว สามารถเผยข้อผิดพลาดที่ซ่อนได้หลาย ๆ ครั้ง ตีพิมพ์ [FLT: 0] การศึกษาเกี่ยวกับความจุ (FLT: 1) เน้นว่าแบบจําลองแบบเทอร์โมมิเนียมที่แตกต่างกัน สามารถทําให้เกิดผลลัพธ์ที่ต่าง ๆ ได้ โดยเน้นถึงความต้องการในการพัฒนา

สรุป: ค่า ใช้ จ่าย ของ การ ไม่ มั่น ใจ ตัว vs. ลงทุนในคุณภาพข้อมูล

การ วิเคราะห์ ข้อมูล ที่ ละเอียด อ่อน จะ ช่วย ให้ เรา รู้ ว่า มี อะไร บ้าง ที่ ต้อง ใช้ ความ พยายาม มาก กว่า การ ออก แบบ ที่ จําเป็น เพื่อ จะ ได้ ข้อมูล ที่ ไว้ ใจ ได้