Visualization in linear programming using parallel coordinates

Methods serving to visualise multidimensional data through the transformation of multidimensional space into two-dimensional space, enable to present the multidimensional data on the computer screen. Thanks to this, qualitative analysis of this data can be performed in the most natural way for humans, through the sense of sight. An example of such a method of multidimensional data visualisation is PCA (principal component analysis) method. This method was used in this work to present and analyse a set of seven-dimensional data (selected seven properties) describing coal samples obtained from Janina and Wieczorek coal mines. Coal from these mines was previously subjected to separation by means of a laboratory ring jig, consisting of ten rings. With 5 layers of both types of coal (with 2 rings each) were obtained in this way. It was decided to check if the method of multidimensional data visualisation enables to divide the space of such divided samples into areas with different suitability for the fluidised gasification process. To that end, the card of technological suitability of coal was used (Sobolewski et al., 2012;, in which key, relevant and additional parameters, having effect on the gasification process, were described. As a result of analyses, it was stated that effective determination of coal samples suitability for the on-surface gasification process in a fluidised reactor is possible. The PCA method enables the visualisation of the optimal subspace containing the set requirements concerning the properties of coals intended for this process. Keywords 524Proces zgazowania węgla jest jedną z technologii, które zyskują coraz szerszą uwagę wśród technologów zajmujących się jego przeróbką i utylizacją. Ze względu na typ zgazowania wyróżnia się dwa główne sposoby: zgazowanie naziemne i podziemne. Każdy z tych typów można jednak przeprowadzić za pomocą różnych technologii. W przypadku zgazowania naziemnego, jedną z takich technologii jest zgazowanie w reaktorze fluidalnym. Do tego typu zgazowania zostały opracowane wytyczne w ramach projektu NCBiR nr 23.23.100.8498/R34 pt. "Opracowanie technologii zgazowania węgla dla wysokoefektywnej produkcji paliw i energii" w ramach strategicznego programu badań naukowych i prac rozwojowych pt. "Zaawansowane technologie pozyskiwania energii" (Marciniak-Kowalska, 2011-12;Sobolewski et al., 2012;Strugała et al., 2011;. Autorzy wybrali główne z tych wytycznych, dotyczących zalecanych poziomów określonych cech węgla. W celu zbadania węgla pod kątem ich przydatności do zgazowania pobrano próbki dwóch węgli: pochodzących z Zakładu Górniczego Janina oraz z Kopalni Węgla Kamiennego Wieczorek. Każdy z tych węgli został poddany procesowi wzbogacania w laboratoryjnej osadzarce pierścieniowej (10 pierścieni, węgiel w klasach wydzielonych z przedziału 0-18 mm). Po zakończeniu procesu rozdziału materiał podzielono na 5 warstw (po 2 pierścienie) i każdy z nich rozsiano na sitach na 10 klas ziarnowych, ustalając wychody warstw i klas. Następnie, tak otrzymane produkty -klasy ziarnowe, p...

Section: Principal Component Analysismentioning

confidence: 99%

The Use of the Visualisation of Multidimensional Data Using PCA to Evaluate Possibilities of the Division of Coal Samples Space Due to their Suitability for Fluidised Gasification

Jamroz

Niedoba

Surowiak

et al. 2016

“…The use of neural networks for data visualization (Jain & Mao, 1992;Kraaijveld et al, 1995;Aldrich, 1998) is based on the process of transforming n-dimensional data space into a 2-dimensional space by applying a neural network. To visualize multidimensional data, a parallel coordinates method (Chatterjee et al, 1993;Gennings et al, 1990;Inselberg, 1985;Inselberg et al, 1994;Wegman, 1990;Chou et al, 1999) was also applied. In this method parallel coordinates are placed on a given plane at a uniform rate.…”

Section: General Principles Of Visualization Of Multidimensional Datamentioning

confidence: 99%

Visualization of Multidimensional Data in Purpose of Qualitative Classification of Various Types of Coal / Wizualizacja Wielowymiarowych Danych W Celu Klasyfikacji Jakościowej Różnych Typów Węgla

Niedoba¹,

Jamroz²

2013

Coal as energetic raw material features by many parameters determining its quality. In classification of coal types there are many of them with typical division of energetic, semi-coking and coking coal. The data concerning coal are usually treated as independent values while this kind of approach is not always right. Authors proposed new solutions in this aspect and performed the multidimensional analysis of three selected types of coal featuring by various properties which originated from three various hard coal mines located in Upper Silesia Region. The object of the research was so-called raw coal which was not processed before. For each type of coal the detailed statistical analysis of seven chosen properties of coal was performed. To perform adequate and complete statistical analysis it is necessary to analyze the chosen properties of coal together in multidimensional way. It was decided to apply new and modern visualizing methods of multidimensional data which were observational tunnels method and parallel coordinates method. The applied methods allowed to obtain visualization of seven-dimensional data describing coal. By means of these visualizations it was possible to observe the significant division of the features space between researched types of coal. These methods allowed to look at the investigated data from various perspectives and make possible to determine significant differences between researched materials. For the investigated coals such differences were determined clearly what proved that by means of these methods it is possible to successfully identify type of coal as well to analyze in details its individual properties and identify, for example, particle size fraction etc. The obtained results are innovative and are the basis for more detailed researches taking into consideration also other coal properties, including its structure and texture. This methodology can be also applied successfully for other types of raw materials, like ores.

“…Among many methods, the following ones can be selected: grand-tour method (Asimov, 1985;Cook et al, 1995), the method of principal component analysis (Li et al, 2000), use of neural networks for data visualization (Aldrich, 1998;Jain & Mao, 1992;Kraaijveld et al, 1995;Tadeusiewicz, 1993), parallel coordinates method (Chatterjee et al, 1993;Chou et al, 1999;Gennings et al, 1999;Inselberg, 1985), star graph method (Sobol & Klein, 1989), multidimensional scaling (Kim et al, 2000), scatter-plot matrices method (Cleveland, 1984), relevance maps method (Assa et al, 1999). Visualization of multidimensional solids is also possible (Jamróz, 2009).…”

Section: Introductionmentioning

confidence: 99%

Application of Multidimensional Data Visualization by Means of Self-Organizing Kohonen Maps to Evaluate Classification Possibilities of Various Coal Types / Zastosowanie Wizualizacji Wielowymiarowych Danych Za Pomocą Sieci Kohonena Do Oceny Możliwości Klasyfikacji Różnych Typów Węgla

Jamroz¹,

Niedoba²

2015

Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal -31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.Keywords: Kohonen maps, grained material analysis, coal, multidimensional data, multidimensional visualization methods Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano