统计将如何帮助化学工程?

有一种通常且经常被误解的想法,即与其他科目相比,统计学的重要性降低,尤其是对于进入该学科的头几年的化学工程系学生而言。 这是三个最重要的应用程序:

  1. 质量保证:最好在线(即在生产期间)进行质量控制。 化学工程师很关心并且擅长观察产品或过程中发生的实时变化,但前提是他们了解统计信息。 他们必须凭经验记录这些起伏并开发通用模型来改进产品。
  2. 工艺和设备维护:这也是化学/工艺工程师的主要职责。 您需要定期检查以确保过程和设备正常运行。 但是,你是怎么做的? 如果您每天四处逛逛,看到一切正常,那是否可以保证第二天一切正常? 不,您观察并进行测量。 举个例子,假设您每天对某些设备产生的振动或声音进行测量,您意识到它每周增加0.005dB(声音),而当达到5dB时,无论该设备是什么,都需要维护。 您甚至如何获得该费率? –您在统计上猜对了。
  3. 机器学习:我们与机器学习有很多关系。 事实证明,在大多数情况下,我们对传统编程所做的事情是错误的,或者效率很低。 机器本身可以学习并几乎可以自我维护。 例如,在上述示例中,您可以让一个传感器进行这些测量,然后将其传给计算机,该计算机会开发出算法,从而给出设备的准确磨损率和去皮率。 根据此信息,机器还可以为自己准备维护计划,并且仅在需要维护时才发出警报,例如通过发送自动电子邮件。 这样,内部功能便是可靠的统计信息。 现在,作为化学工程师,您需要学习统计信息,否则,如果您幸运地知道机器本身不会接手工作,那么您的工作将被具有更好统计背景的其他工程师“接管”。

上面提到的机器可以是任何东西,包括化学工厂和加工厂的许多单元操作,例如膜系统中的结垢或某些颗粒系统的堵塞等。化学工程师也很擅长多学科工作。 然后我的教授Ochieng Aoyi博士说

您可以将化学工程师变成任何东西,但是您不能将任何东西变成化学工程师

当然,他的意思是任何类型的工程师,无论是环境工程师,机械工程师,电气工程师还是其他工程师。我希望您会感到鼓舞,并且会振作精神,成为一名化学工程师。

[数学] NKR [/数学]

这是一个值得讨论的问题。 首先,目前最热门的术语是“数据科学”。 请注意,数据科学是相关的,但与您在统计课上学到的东西有很大不同。 数据科学既是统计的综合,又包括机器学习之类的东西(在许多方面与回归和数学建模有关)。 它包括进行假设并针对数据进行测试。 它还包括显示数据见解的智能,简洁方法。

我认为应该向每位过程工程师教授数据科学技能。 过程工程师处理大量工厂数据-能够分析传统excel方法之外的数据对于操作设施而言是一笔巨大的财富。 唯一不被采用的真正原因是因为对数据科学的价值和功能缺乏了解。

现在,统计信息-您将要学习的基本统计信息将大部分适用于您正在设计和验证实验的实验室。 它也适用于六个sigma和过程改进计划(通过采取措施来衡量改进并测量过程中的偏差)。 因此,您学到的大多数基本“统计”技能都不会立即对化学工程师有所帮助。 例如,您永远不会说“哎呀,这是一类问题,需要我计算正常人群的方差的置信区间” –只是不直接适用。

在我看来,这显然是现代化学工程师教育的空白。

没有统计信息,您可以做很多化学工程。 您可以设计事物并成功地管理人员。 但是,在某些情况下必须做出决定,谨慎使用统计数据会有所帮助。 我说谨慎,因为在通常情况下技术人员会产生有限的误解,做出的决定在逻辑上是有效的,但是是错误的。 典型的情况是风险估计。

在整个研究领域和决策系统中,高水平的统计数据(由了解它们的人完成)可能很有价值。

但是,我认为,学生(以及毕业生)迫切需要停止完全不合理地使用计算器或计算机中的数字。 (例如,管子的直径约为2厘米,因此周长为6.283185厘米。)进一步了解相关性的不确定性(例如,传热系数)。 这绝不限于化学工程师。 但是,对不确定性的充分理解是所有工程的传统和必不可少的技能。

统计学以多种有用的方式用于工程中,但统计可用于化学工程的最重要方式可能是预测事件和趋势。

在过程工程中,当日常工厂运营涉及监视和评估大量数据(例如温度,物料流组成和压力)时,统计数据可以帮助生成工厂运营的“全景图”。 如果长时间获取数据,则可以将工厂运营数据与工厂故障和安全事件相关联,以预测未来的安全事件。

尽管此类数据预测方法可能仅在一定程度上是可靠的,但是任何形式的预测(特别是对于大规模安全事件而言)都将对过程工程团队有用。

统计对于化学工程至关重要! 从新反应器,换热器和蒸馏塔设计的数据分析到过程工程师的“面包和黄油”,您可以在任何地方使用它,并跟踪过程数据。 没有统计信息,您将很难理解流程何时开始变得效率低下,或者生产或分析中的模式是否发生变化。

统计信息在您的工作中起着重要作用。 作为研究人员,您可能需要利用实验方案的设计来限制需要获取的数据。 您可能需要进行线性和非线性回归,以检查输入对工厂结果的影响。 您可能有复杂的问题,需要利用蒙特卡洛模拟来解决。 您可能在需要更复杂控制的工厂中工作,而典型的PID控制器无法正常工作,并且可能需要转向统计过程控制。

尽管不详尽,但您应该可以很好地了解统计数据如何在您的未来中发挥作用。

这是必不可少的,但在很大程度上没有。 了解六西格玛绿带的必要条件将为您提供所需的东西。 这是通过3天的课程学习的。