通过最优设计实验和统计建模优化化学循环工艺（2020-EU-45MP-313） 弗兰克·德鲁伊克，霍根特应用科学与艺术大学讲师
本文介绍了一种优化的实验设计（DOE）和统计模型，旨在最大限度地提高二氧化碳捕集化学循环工艺的性能，从而生成氢气和合成气，为能源和循环经济提供潜在的新资源。所使用的复杂流化床反应器会受到多种相互作用和二次效应以及随机噪声的影响，因此需要周密的实验和建模策略。JMP 中的 DOE 和分析平台提供了丰富的 DOE 准备和模型拟合选项。本文将阐述如何根据研发标准和目标、模型目标以及 DOE 诊断指标（例如功效、因子相关性和方差分布）来选择正交响应面法（RSM）、自定义 DOE 或设计结构设计（DSD）。模型构建过程首先使用逐步回归（固定因子前向选择和所有可能的模型）筛选出有效因子，然后使用限制性最大似然法（REML）分析消除随机噪声方差。本文获得了甲烷转化率和合成气产率的有效模型，并通过额外的验证实验对其进行了验证。最后，使用剖面仪期望函数计算最佳操作条件。这项工作证明了通过精心设计的实验设计（DOE）和统计建模方法，可以优化复杂的工艺流程。
高级统计建模基础数据分析与建模消费者和市场研究实验设计大规模定制预测建模和机器学习质量与工艺工程可靠性分析
