蒸留技術計算の効率を高め、実務に活用するための
Excelによる蒸留基礎蒸留技術計算への応用
-人工知能(AI)蒸留技術への応用-【WEB受講(Zoomセミナー)

Excelによる蒸留の物性計算,気液平衡計算,蒸留計算,蒸留塔の設計および人工知能技術(AI)の蒸留技術への応用について,PC演習を交えて詳しく解説する特別セミナー!!
講師
東京理科大学 元教授 工学博士 大江 修造 先生
日時
2022/3/4(金)10:00〜16:00
会場
*本セミナーは、WEB受講のみとなります
会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
テキスト
講師
東京理科大学 元教授 工学博士 大江 修造 先生
日時
2022/3/4(金)10:00〜16:00
会場
*本セミナーは、WEB受講のみとなります
会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
テキスト
受講形式
WEB受講のみ
 ※本セミナーは、Zoomシステムを利用したオンライン配信となります


受講対象 
化学系企業,研究開発,業務変更による初心者  


予備知識
高等学校の数学・物理・化学
大学で化学工学の単位を習得していると望ましい


習得知識
1)物性・気液平衡・理論段数の計算
2)蒸留塔設計に直ちにExcelを活用できる知識
3)蒸留技術 特に物性推算のDX(ディジタル変換)化 など
30年におよぶ講師の人工知能研究成果を生かし、即戦力として例示した深層学習の知識は蒸留技術特に物性推算のDX(ディジタル変換)化に応用可能である 


講師の言葉 
 私は大学を卒業して企業に入社以来、一貫して、物性推算、物性測定、トレイの開発など蒸留技術の実務・研究開発に従事しました。ドイツのDECHEMAより2年前に世界で初めて出版したウィルソン定数による気液平衡データ集は、マサチューセッツ工科大学のリード教授から絶賛していただきました。社長賞のアングルトレイの米国の蒸留機関FRIでの試験結果は、当時としては最高の効率102%を示しました。
 人工知能(AI)には30年前から注目し、電子情報通信学会論文誌に「選択的に学習を行うニューラルネット」(1995)を含む2論文を発表しました。このような経験から、蒸留技術の要点わかりやすく解説した上で、Excelの徹底的な活用により、プログラムを組まない沸点計算法を示します。同様に、連立方程式を解くことで、高次の実験式の係数を決定します。マクロの記録機能を使うことにより、蒸留技術計算の効率を飛躍的に増大させる事ができ、計算時間を10分の1にすることができます。30年に及ぶAIの研究実績を有するので、最近の深層学習(ディープ・ラーニング)の即戦的な習得法と蒸留技術への応用をわかりやすく解説します。

プログラム

1 蒸留技術計算に効果的なExcelの機能  
1-1 Excelツールの活用:方程式の解,非線形最適化ツール
1-2 Excel関数の活用:連立方程式の解,最小自乗法
1-3 Excelマクロの効率的な活用方法
      A.VBAの効率的な活用方法
      B.マクロをVBAにより融合し、効率を10倍以上あげる

2  Excelを用いた物性計算
2-1 蒸発潜熱計算式の決定
2-2 比熱(熱容量)計算式の決定
2-3 蒸気圧計算式の決定
2-4 アントワン式の計算
2-5 沸点データのみから蒸気圧を推算する方法

3  Excelを用いた気液平衡計算
3-1 理想溶液 ラウールの法則
    相対揮発度による簡易計算法
    沸点計算法 露点計算法
3-2 非理想溶液 活量係数式
    ウィルソン式による計算
    完全不溶解系の気液平衡計算
          気液平衡における塩効果の計算

4 Excelを用いた蒸留計算
4-1 蒸留の理論
4-2 階段作図による2成分系の埋論段数
4-3   多成分系の最小還流比
4-4 多成分系の最小埋論段数
4-5 多成分系の理論段数(ギリランドの相関)

5 Excelを用いた蒸留塔の設計
5-1 棚段塔の設計法
 1)棚段塔の設計法 ―フラッディング限界 
 2)棚段塔の挙動 ―フラッディング限界の決定法
 3)棚段塔の挙動 ―ダウンカマー・フラッディング
5-2 充填塔の設計
 1)充填塔の設計 ―フラッディング限界
 2)充填塔のフラッディングポイントの決定法
 3)充填塔の圧力損失の決定法
5-3 蒸留塔の塔効率 オコンネルの相関、HETPの推算
5-4 理論と経験に基づく設計上の最重要ポイント10項目と指針
5-5 蒸留塔の選定基準

6 人工知能(AI)の蒸留技術への応用
6-1 人工知能(AI)の理論 
6-2 深層学習(ディープ・ラーニング)とは 
6-3 深層学習の基礎:ニューラルネットワーク
6-4 深層学習:即戦力として使えるツール
6-5 深層学習の物性推算への具体的な応用例

質疑・応答


講師紹介
略歴
東京理科大学 理学部応用化学科 卒業
東京都立大学院 工学博士
学会等
化学工学会、米国化学工学会(AIChE) 会員 AIChEより蒸留の顕著な業績により表彰
東京理科大学理学部応用化学科 元教授
米国蒸留研究機関FRI 客員研究員
著書
蒸留技術大全 (日刊工業新聞社)、物性推算法(データブック出版社)他20冊、論文100編