روش‌های محاسباتی و آماری برای مهندسی شیمی ۲۰۲۲
Computational and Statistical Methods for Chemical Engineering 2022

در دهه‌های اخیر، ظهور تکنیک‌های نوین اندازه‌گیری مولکولی و دسترسی آسان به داده‌های مرتبط در پایگاه‌های اطلاعاتی شیمیایی، کار تحلیل‌گران شیمیایی را تسهیل کرده است. پیش از انقلاب داده‌ها، بیشتر کتاب‌ها یا بر مدل‌سازی ریاضی فرآیندهای شیمیایی تمرکز داشتند یا بر کمومتریکس اکتشافی. کتاب *روش‌های محاسباتی و آماری برای مهندسی شیمی* قصد دارد این دو رویکرد را با هم ترکیب کرده و مجموعه‌ای جامع و یکپارچه از روش‌های محاسباتی و آماری را در اختیار مهندسان شیمی قرار دهد.

این کتاب از چهار بخش تشکیل شده است:

* بخش اول به بررسی مباحث ضروری حساب دیفرانسیل و انتگرال، جبر خطی و احتمال می‌پردازد که ممکن است دانشجو قبلاً با آن‌ها مواجه شده باشد یا خیر.
* **بخش دوم** مروری بر روش‌های محاسباتی استاندارد و تکنیک‌های تقریبی مفید برای سیستم‌های مهندسی شیمی ارائه می‌دهد.
* **بخش سوم** مهم‌ترین مدل‌های آماری را پوشش می‌دهد، از مدل‌های اندازه‌گیری ساده، از طریق مدل‌های خطی تا مدل‌های استوکیومتری چندمتغیره و غیرخطی.
* **بخش چهارم** بر اهمیت آزمایش‌های طراحی‌شده و تجزیه و تحلیل‌های قوی تمرکز دارد.

هر فصل با مجموعه‌ای گسترده از تمرین‌های نظری و عملی همراه است. این کتاب را می‌توان در ترکیب با هر محیط محاسباتی مدرن، مانند R، Python و MATLAB استفاده کرد. با توجه به دسترسی آسان و رایگان، کتاب شامل یک فصل جایزه است که مقدمه‌ای ساده بر برنامه‌نویسی R ارائه می‌دهد.

این کتاب به‌ویژه برای دانشجویان مقطع کارشناسی مهندسی شیمی که به یک دوره یک ترمی در روش‌های محاسباتی و آماری نیاز دارند، مناسب است. فصل‌های مربوط به پیش‌زمینه حساب دیفرانسیل و انتگرال، جبر خطی و احتمال، کتاب را کاملاً خودآموز می‌کند. کتاب مثال‌های خود را از زمینه شیمی و مهندسی شیمی می‌گیرد. به این ترتیب، دانشجو را ترغیب می‌کند تا به طور فعال با مطالب درگیر شود و بر تکنیک‌هایی که برای مهندس شیمی مدرن حیاتی شده‌اند، تسلط یابد.

In the recent decades, the emerging new molecular measurement techniques and their subsequent availability in chemical database has allowed easier retrieval of the associated data by the chemical analyst. Before the data revolution, most books focused either on mathematical modeling of chemical processes or exploratory chemometrics. Computational and Statistical Methods for Chemical Engineering aims to combine these two approaches and provide aspiring chemical engineers a single, comprehensive account of computational and statistical methods.

The book consists of four parts:

• Part I discusses the necessary calculus, linear algebra, and probability background that the student may or may not have encountered before.
• Part II provides an overview on standard computational methods and approximation techniques useful for chemical engineering systems.
• Part III covers the most important statistical models, starting from simple measurement models, via linear models all the way to multivariate, non-linear stochiometric models.
• Part IV focuses on the importance of designed experiments and robust analyses.

Each chapter is accompanied by an extensive selection of theoretical and practical exercises. The book can be used in combination with any modern computational environment, such as R, Python and MATLAB. Given its easy and free availability, the book includes a bonus chapter giving a simple introduction to R programming.

This book is particularly suited for undergraduate students in Chemical Engineering who require a semester course in computational and statistical methods. The background chapters on calculus, linear algebra and probability make the book entirely self-contained. The book takes its examples from the field of chemistry and chemical engineering. In this way, it motivates the student to engage actively with the material and to master the techniques that have become crucial for the modern chemical engineer.