MISCIBLE: Artificial Neural Network Model vs Rule of Thumbs

Artificial Neural Network Model vs Rule of Thumbs

การขยายขนาด (Scale Up) สำหรับงาน Fluid Mixing เป็นเรื่องที่ยากเนื่องจากมีพารามิเตอร์ที่ต้องพิจารณาหลากหลาย ตามทัศนะของ MISCIBLE แล้ว วิธี Rule of Thumbs น่าจะเป็นวิธีการขยายขนาดที่มีความใกล้เคียงการใช้งานจริงได้มากที่สุด แต่ก็มีความวุ่นวายพอสมควร, การนำโครงข่ายประสาทเทียมมาใช้งานก็เป็นอีกวิธีที่ MISCIBLE เลือกใช้ ซึ่งต้องอาศัยข้อมูลจำนวนมาก (Big Data) และต้องเป็นข้อมูลที่ผ่านการทดสอบใช้งานจริงมาแล้ว จึงจะกล่าวได้ว่าเป็นข้อมูลที่มีคุณภาพมากพอในการสอนโครงข่ายประสาทเทียม (Back Propagation) ให้ทำนายค่าต่างๆ หรือ คัดกรอง (Classification) ความเป็นไปได้ของกระบวนการผสม ตามต้องการได้, การเลือกพารามิเตอร์ที่จำเป็นต่อการพยากรณ์ ก็เป็นสิ่งสำคัญมาก เพราะจะทำให้ได้ output ที่แม่นยำแล้ว ยังช่วยลดเวลาการสอนโครงข่ายประสาทเทียมได้อีกด้วย