ویرگول
ورودثبت نام
نشریۀ دانشجویی «دردانشکده»
نشریۀ دانشجویی «دردانشکده»نشریۀ دانشجویی «دردانشکده»، نشریۀ انجمن علمی-دانشجویی دانشکدۀ مهندسی شیمی و نفت دانشگاه صنعتی شریف / کانال تلگرام ما: https://t.me/dardaneshkadeh
نشریۀ دانشجویی «دردانشکده»
نشریۀ دانشجویی «دردانشکده»
خواندن ۶ دقیقه·۶ سال پیش

مهندسی تصادفی

پرونده شماره ۵۴ - سارا زمردی

«آمار چه نقشی در مهندسی ایفا می‌کند؟»


طراح: مهدی نانکلی
طراح: مهدی نانکلی


اول آبان هر سال چه روزی است؟ این روز برای توجه به اهمیت نقش علم آمار، روز جهانی آمار و برنامه‌ریزی نام‌گذاری شده. شاید این‌طور به نظر نرسد اما آمار نقش مهمی در علوم مهندسی، به‌خصوص مهندسی شیمی دارد؛ از سطح مولکولی گرفته تا تولید انبوه صنعتی.

آمار مولکولی

اگر بخواهیم از یک سطح بنیادین که همان شناخت مواد و رفتار فیزیکی و شیمیایی مواد است شروع کنیم، مبحثی به اسم مکانیک آماری و ترمودینامیک آماری داریم که درواقع ریشه تمامی روابطی است که در درس ترمودینامیک می‌پذیریم و از قبل اثبات شده می‌دانیم. در این مبحث با کمک آنالیز ترکیبی و قانون‌های مختلفِ احتمالاتی، هم‌پوشانی حالت‌های مختلف ماده را در نظر می‌گیرند و این قوانین را به‌دست می‌آورند. بنابراین خیلی از مدل‌ها -به‌خصوص آن‌هایی که پایه تئوری قوی‌ای دارند- از مکانیک آماری برخاسته‌اند. ولی اگر از بُعد مولکولی فاصله بگیریم و بخواهیم در مقیاس‌های صنعتی‌تر و ملموس‌تر بررسی کنیم، در هر چیزی که اسم یک توزیع یا پراکندگی در آن باشد، آمار و احتمالات به ما کمک می‌کند. پدیده‌های مختلفی با ماهیت تصادفی در طبیعت وجود دارند و در علم آمار و احتمال متغیر تصادفی نام‌گذاری شده‌اند. آن چیزی که فراوانی و بار احتمالاتی‌شان را بیان می‌کند، تابع چگالی احتمال نام دارد. با اندکی جست‌وجو، می‌توانید به اطلاعات بیش‌تری در مورد این اصطلاحات ریاضی دست‌یابید. مثلا توزیع نرمال گاوسی یک توزیع نرمال پیوسته است؛ اما توزیع‌های گسسته مثل دوجمله‌ای، دوجمله‌ای منفی و دوجمله‌ای هندسی هم وجود دارند. در مهندسی شیمی خیلی از پدیده‌ها به‌طور خاص از توزیع گاوسی پیروی می‌کنند. مثلا در دستگاه‌های کریستال‌ساز که برای ما کریستال شکر یا نمک و ماده‌های شیمیایی تولید می‌کنند، توزیعی از اندازه کریستال‌ها وجود دارد و می‌توانیم تصور کنیم که اغلب آن‌ها حول یک میانگین پخش‌ شده و تقریباً یک اندازه‌اند؛ ولی تعداد اندکی وجود دارند که خیلی بزرگ و یا خیلی کوچک هستند. این یک نمونه از توزیع گاوسی است. همین قضیه در بسته‌بندی مواد شیمیایی، تخلخل کاتالیست‌ها و پراکندگی آن‌ها هم وجود دارد. بنابراین هر جا که حرف توزیع باشد، به‌خصوص توزیع در علم سطح در مهندسی شیمی، توزیع آماری به کار می‌آید. مثاً در درس عملیات واحد ۲ در فصل کریستالی شدن، انواعی از توزیع‌ها را می‌بینیم. کاربردی دیگر، مدل کردنِ جریان‌هایی از سیال است که در حالت عادی به شکل تحلیلی حل نمی‌شوند. جریان آرام، به شکل تحلیلی حل می‌شود و می‌توان پارامترهای مختلف را از آن به‌دست آورد؛ ولی در ارتباط با جریان‌های ناآرام باید از روش‌های CFD یا همان شبیه‌سازی عددی استفاده کنیم. برخی مواقع این روش هزینه محاسباتی را بالا می‌برد؛ چون پدیده جریان سیالی با خیلی چیزهای دیگر جفت شده است. به همین دلیل مثلا در درس رآکتور پیشرفته که از دروس کارشناسی ارشد است، رآکتورهایی که بررسی می‌شوند، ایده‌آل هستند. همانند گاز ایده‌آل که فقط یک مفهوم است و واقعیت فیزیکی ندارد، رآکتور ایده‌آل هم فقط چیزی است که با اصول اولیه موازنه کردن و محاسبات واکنش‌ها در آن آشنا می‌شویم. رآکتور واقعی الگوهای جریانی خاصی دارد که باعث می‌شود دقیقا با مدل‌ها توضیح داده نشود. اما باید توجه داشت که دانستن اصول خیلی مهم است. مثلا حتی نرم‌افزاری مثل «HYSIS» هم همان رآکتورهای ایده‌آل را بررسی می‌کند. به‌بیان‌دیگر، یک مهندس باید با آشنایی داشتن با اصول آمار و احتمالات بتواند غیرایده‌آل بودنِ جریان‌ها را روی جریان ایده‌آل اعمال کند. همان‌طور که در درس رآکتور پیشرفته، توزیعی از زمان‌های ماند مختلف برای سیالاتی که وارد رآکتور می‌شوند را بررسی می‌کنند و این باعث ایجاد توزیعی از درصد تبدیل‌ها و بهره واکنش‌ها می‌شود. هدف این است که بتوان این توزیع را به‌دست آورد و آن را پیش‌بینی کرد. چون در صنعت، آزمون‌وخطا علاوه بر این‌که خطرناک است، هزینه‌بر هم هست.

بهینه‌سازی فرآیند

وقتی فرآیند را راه‌اندازی می‌کنیم، پارامترهایی مثل دما و فشار مخزن، غلظت یک جزء به‌خصوص، مساحت و تخلخل کاتالیست و شکل الکترودها در واکنش‌های الکتروشیمی وجود دارد. وقتی بخواهیم عملیات را انجام دهیم، با حجم زیادی از پارامترها مواجه می‌شویم و هر طور که این پارامترها را تنظیم کنیم، یک بازخورد می‌گیریم. چون در کارهای صنعتی و مهندسی هدف و سؤال اساسی این است که «چگونه با کم‌ترین هزینه به بیش‌ترین سود دست پیدا کنیم؟»، باید ببینیم حالت بهینه چیست تا مواد تا جای ممکن خوب تولید شوند و هزینه کم‌تر شود. این عمل که بهینه‌سازی نام دارد، نیازمند الگوریتم‌های خاصی است که یک دسته از الگوریتم‌های آماری هستند. تفاوت الگوریتم‌های آماری با سایر روش‌ها، این است که تغییر همه متغیرها را باهم در نظر می‌گیرند. مثلا در آزمایشگاه فیزیک و درس محاسبات عددی، با رگرسیون و روش کم‌ترین مربعات آشنا شده‌ایم که روش‌های آماری هستند.

مقیاس‌های بالاتر

در بحث فروش و بازاریابی و تولید ثروت از محصولات مهندسی شیمی، بارها از روش‌های آماری استفاده می‌شود. همین‌که می‌خواهیم شروع به تولید محصولی کنیم، کاری به اسم مطالعات امکان‌سنجی انجام می‌دهیم. مثلا تصمیم می‌گیریم که یک گرِید (Grade) خاصی از پلی‌اتیلن را تولید کنیم. لازم است اول آماری جمع‌آوری کنیم که مخاطبان این محصول چه کسانی هستند؟ این مخاطبان در حال حاضر از کجا خرید می‌کنند و آیا ما اولین کسانی هستیم که این محصول را ارائه می‌دهند؟ ممکن است عده‌ای جاافتاده باشند و اصلا نتوان با آن‌ها رقابت کرد. یا این‌که باید هزینه زیادی کرد تا به سطح رقابت رسید. بنابراین بسیاری از تحقیق و تفحص‌هایی که در این زمینه انجام می‌شود جنبه آماری دارد و خیلی از تصمیم‌گیری‌ها هم از قبل با مباحث آماری انجام می‌شود. می‌توان از توزیع‌های مختلف آماری برای پیش‌بینی استفاده کرد. مثلا وقتی سازنده‌ای بازه گارانتی ارائه می‌دهد، با استفاده از محاسبات آماری آن را حساب کرده است. می‌توان یک مسئله آماری را این‌گونه طرح کرد: من بازه گارانتی را چقدر تعیین کنم تا فقط دو درصد از محصولاتم مرجوع شود؟ و اگر کیفیت کالا خوب باشد، جواب این مسئله عددی بزرگ به‌دست خواهد آمد.

در بحث فروش و و تولید ثروت از محصولات مهندسی شیمی، بارها از روش‌های آماری استفاده می‌شود. همین‌که می‌خواهیم شروع به تولید محصولی کنیم، کاری به اسم مطالعات امکان‌سنجی انجام می‌دهیم. بسیاری از تحقیق و تفحص‌هایی که در این زمینه انجام می‌شود جنبه آماری دارد و خیلی از تصمیم‌گیری‌ها هم از قبل با مباحث آماری انجام می‌شود. می‌توان از توزیع‌های مختلف آماری برای پیش‌بینی استفاده کرد.

در نهایت هم سازنده ضرر نمی‌کند و هم خریدار با دیدن زمان گارانتی جذب محصول می‌شود. ممکن است برای این مثال، بیش‌تر لوازم برقی به ذهنتان برسد، ولی برای کالاهای مهندسی شیمی مثل کاتالیست‌ها هم گارانتی تعیین می‌شود.

جای خالی آمار

مباحثی در بعضی درس‌های دانشکده‌ای وجود دارد که فرض شده از قبل بلد هستید. مثلا در درس رآکتور پیشرفته، با پدیده تابع چگالی احتمال Probability Density Function) PDF) و تابع چگالی تراکمی Cumulative Density Function) CDF) مواجه می‌شوید. برای طراحی راکتور یک سری عملیات‌های ریاضی روی این‌ها انجام می‌شود و اگر کسی درس آمار و احتمال مهندسی که از دروس اختیاری است را نگذرانده باشد، ممکن است در این مباحث گیج شود. یا در درس عملیات واحد ۲ وقتی کریستال‌ساز را طراحی می‌کنیم، از گشتاورهای مختلف آماری استفاده می‌شود که ممکن است گیج‌کننده باشند. برای پُر کردن این خلاءها شاید بهتر باشد در درس کاربرد ریاضیات در مهندسی شیمی که هم‌پوشانی زیادی با درس ریاضیات مهندسی دارد و تفاوت عمده آن‌ها در نوع مثال‌هاست، تحلیل‌های آماری در سطح کاربردی و مهندسی مطرح شود. درواقع همان‌طور که قبلا گفته شد آمار در همه سطوح مهندسی خودش را نشان می‌دهد و از اهمیت به‌خصوصی در زمینه‌ها و سطح‌های مختلف برخوردار است. لذا آموزش صحیح آن اهمیت زیادی دارد.

در پایان جا دارد از جناب آقای امیراشکان عسگری، دانشجوی کارشناسی ارشد دانشگاه، بابت در اختیار گذاشتن اطلاعاتی که در مقاله فوق آمد تشکر ویژه‌ای داشته باشیم.

دانشگاه صنعتی شریف
۰
۰
نشریۀ دانشجویی «دردانشکده»
نشریۀ دانشجویی «دردانشکده»
نشریۀ دانشجویی «دردانشکده»، نشریۀ انجمن علمی-دانشجویی دانشکدۀ مهندسی شیمی و نفت دانشگاه صنعتی شریف / کانال تلگرام ما: https://t.me/dardaneshkadeh
شاید از این پست‌ها خوشتان بیاید