透過最優設計實驗和統計建模優化化學循環製程（2020-EU-45MP-313） 弗蘭克‧德魯伊克，霍根特應用科學與藝術大學講師
本文介紹了一種最佳化的實驗設計（DOE）和統計模型，旨在最大限度地提高二氧化碳捕集化學循環製程的性能，從而產生氫氣和合成氣，為能源和循環經濟提供潛在的新資源。所使用的複雜流體化床反應器會受到多種交互作用和二次效應以及隨機雜訊的影響，因此需要周密的實驗和建模策略。 JMP 中的 DOE 和分析平台提供了豐富的 DOE 準備和模型擬合選項。本文將闡述如何根據研發標準和目標、模型目標以及 DOE 診斷指標（例如效能、因子相關性和變異數分佈）來選擇正交響應曲面法（RSM）、自訂 DOE 或設計結構設計（DSD）。模型建構過程首先使用逐步迴歸（固定因子前向選擇和所有可能的模型）篩選出有效因子，然後使用限制性最大似然法（REML）分析消除隨機雜訊變異數。本文獲得了甲烷轉化率和合成氣產率的有效模型，並透過額外的驗證實驗進行了驗證。最後，使用剖面儀期望函數計算最佳操作條件。這項工作證明了透過精心設計的實驗設計（DOE）和統計建模方法，可以優化複雜的製程。
進階統計建模基礎資料分析與建模消費者與市場研究實驗設計大規模客製化預測建模和機器學習品質與工藝工程可靠度分析
