Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  analiza PCA
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Background: Logistics activities form a network of services that support the physical movement of goods, trade across borders, and commerce within borders. Well-functioning logistics, with its international trade and transport organisation, is a precondition of comprehensive national competitiveness. The World Bank (World Bank Group) Logistics Performance Index (LPI) is a unique benchmarking tool, used since 2007, providing logistics performance measurement for more than 160 countries. As the LPI is a crucial part of global efforts to understand better logistics performance in the context of increasingly complex supply chains, this indicator must be evaluated objectively and adequately. The current paper focuses on studying subjective aspects within current methodology with regards the possible impact of initial data on the LPI estimation. The research aims to ensure a more objective approach to global and cross-countries performance measurement by studying possible constraints mentioned above. Methods: The paper presents a quantitative case study research strategy based on the evaluation of LPI in Estonia and Russia. The principal component analysis (PCA) as the primary method of analysis is a multivariate statistical technique that can help identify correlations between data points of the study. The primary data was collected by questioning representatives directly involved in the logistics sector by standardized questionnaire of the World Bank. Results: The modified methodological approach for evaluating LPI draws attention to comprehensive generalization concerning the improved outcome of the score and the final position of both countries. As a criticism, the significant impact of the answer of just one uncommon respondent to the final score of the LPI can be pointed out. Conclusions: Further research related to the issue of objective and more advanced estimation of LPI should be a continuous process with the focus on improving the quality of input data for the assessment. In addition to LPI as a primary measure, parallel use of alternative figure for evaluation of the development of logistics on a global scale.
PL
Wstęp: Działalność logistyczna tworzy sieć usług wspomagającą fizyczne przepływy dóbr materialnych, handel międzynarodowy jak i krajowy. Dobrze funkcjonująca logistyka obejmująca swym działaniem handel zagraniczny i transport, jest warunkiem wstępnym przewagi konkurencyjnej danego kraju. Wskaźnik działalności logistycznej Banku Światowego (LPI) jest unikalnym narzędziem dla benchmarkingu, stosowanym od 2007 do oceny działalności logistycznej ponad 160 krajów. Ponieważ LPI jest krytycznym czynnikiem globalnych dążeń dla lepszego zrozumienia i oceny działalności logistycznej, musi on być wyliczany obiektywnie i precyzyjnie. Praca koncentruje się na zbadania aspektów podmiotowych opierając się na obecnej metodologii przy uwzględnieniu możliwego wpływu danych wejściowych na wycenę LPI. Celem pracy jest umożliwienie bardziej obiektywnego podejścia do oceny działalności na poziomie globalnym i międzynarodowym poprzez dokładną analizę wyżej wymienionych czynników ograniczających tą ocenę. Metody: W pracy zastosowano strategię ilościowej analizy opartej na wycenie LPI w Estonii i Rosji. Analiza PCA (Principal component analysis), jako podstawowa metoda analizy jest wieloczynnikową techniką statystyczną, która umożliwia identyfikację korelacji pomiędzy różnymi danymi. Dane wejściowe zostały zebrane poprzez przeprowadzenie ankiety, stworzonej według standardów Banku Światowego, wśród osób bezpośrednio związanych z logistyką. Wyniki: Zmodyfikowane metodologiczne podejście do wyceny LPI kładzie nacisk na uogólnienie wyników, poprawiające wynik końcowy oraz pozycjonowanie obu krajów. Ceną negatywną jest fakt dużego wpływu na wynik końcowy odbiegającego wyniku ankiety jednego z badanych respondentów. Wnioski: Należałoby przeprowadzić dalsze badania zmierzające do lepszej i bardziej obiektywnej wyceny LPI, które powinny być procesem ciągłym, zorientowanych na poprawie jakości danych wejściowych. Niezależnie od LPI, jako podstawowego wskaźnika, równoległe wskazane jest używanie alternatywnego wskaźnika dla oceny rozwoju logistycznej w skali globalnej.
EN
The aim of the work presented in this paper was to determine the reactivity of chars and their selection for further research purposes concerning coal gasification processes with the utilization of process excess heat. Char reactivity can be defined as the ability of coal to react with such reactants as steam, oxygen or carbon dioxide. Reactivity determines reaction rates and therefore it is a decisive factor relating to the efficiency of combustion and gasification processes. In light of the above, reactivity may be regarded as an important parameter to be considered in the design and operation of the industrial systems of coal processing. The experimental work was conducted by means of a thermogravimetric analyzer (TGA) at temperature ranges of 700, 800 and 900 °C, with oxygen as a gasifying agent. The parameters of maximum reactivity Rmax as well as of 50% of the conversion reactivity R50 were calculated. The times tmax and t50 necessary for attaining the maximum reactivity Rmax and 50% conversion reactivity R50 were also determined. The correlation between the experimentally determined values of Rmax, R50, tmax and t50,additionally the physico-chemical parameters of the coals were examined by means of PCA analysis.
EN
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; 2013), 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.
PL
Proces 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; 2013; Strugała et al., 2011; 2012). 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, po wydzieleniu analitycznych próbek, poddano chemicznej analizie elementarnej i technicznej węgla, w celu scharakteryzowania właściwości wpływających na procesy zgazowania. Łącznie z obu kopalń uzyskano 99 próbek (50 z kopalni Janina oraz 49 z kopalni Wieczorek – w jednej z warstw nie uzyskano klasy 16-18 mm) charakteryzowanych przez następujące parametry: zawartość siarki całkowitej, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla całkowitego, ciepło spalania oraz zawartość popiołu. Przykładowe dane dla jednej z otrzymanych warstw przedstawiono w tabeli 1. Dodatkowo wykorzystano kartę przydatności technologicznej węgla (Sobolewski et al., 2012; 2013), w której opisano parametry kluczowe, istotne oraz dodatkowe, mające wpływ na proces zgazowania. Na jej podstawie oznaczono próbki węgla, które w sposób efektywny poddają się procesowi zgazowania. W celu wizualizacji danych zastosowano jedną z nowoczesnych metod wielowymiarowej statystycznej analizy czynnikowej – metodę PCA (ang. Principal Component Analysis). W metodzie tej dokonuje się rzutu prostopadłego wielowymiarowych danych na płaszczyznę reprezentowaną przez specjalnie wybrane wektory V1,V2. Są to wektory własne, odpowiadające dwóm największym (co do modułu) wartościom własnym macierzy kowariancji zbioru obserwacji. Opisany dobór wektorów V1,V2 pozwala uzyskać obraz na płaszczyźnie prezentujący najwięcej zmienności danych. Algorytm i zasady tej metody zostały szczegółowo zaprezentowane w podrozdziale 3 artykułu. Za pomocą metody PCA dokonano trzech typów analiz. Pierwszy obraz miał na celu rozpoznanie, czy możliwa jest identyfikacja pochodzenia węgla, czyli rozdział węgla pochodzącego z ZG Janina od węgla z KWK Wieczorek. Odpowiedź była twierdząca. Na tak przygotowane dane narzucono następnie warunki wynikające z nałożenia wymogów określonych w karcie przydatności technologicznej węgla. Okazało się, że przy wzięciu pod uwagę wszystkich warunków jedynie 17 próbek z ZG Janina i zaledwie jedna z KWK Wieczorek spełnia wszystkie kryteria, co przedstawiono na rysunku 2. Stwierdzono, że dzieje się tak głównie z powodu zawartości chloru, która wykracza poza nałożone limity. Cecha ta nie wpływa jednak w kluczowy sposób na sam proces zgazowania a istotna jest ze względu na aspekt ochrony środowiska. Dlatego dokonano podobnej analizy, ale przy odrzuceniu warunku dotyczącego tej cechy. Po odrzuceniu wymogów dotyczących zawartości chloru okazało się, że 37 próbek z ZG Janina oraz 41 próbek z KWK Wieczorek spełnia pozostałe zalecenia odnośnie naziemnego zgazowania w reaktorze fluidalnym. Jest to potwierdzenie wcześniejszych obserwacji autorów w tym zakresie. W obu przypadkach wizualizacja wielowymiarowa przy użyciu PCA pozwoliła stwierdzić, że obrazy punktów reprezentujących próbki węgla bardziej podatnego na zgazowanie oraz mniej przydatnego do zgazowania zajmują osobne podobszary przestrzeni oraz gromadzą się w skupiskach, które można łatwo od siebie odseparować. Stwierdzono więc, że metoda PCA pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego zarówno gdy przyjęto ograniczenie dotyczące zawartości chloru jak i przy jego pominięciu. Zastosowanie metody PCA w celu identyfikacji przydatności próbek węgla do zgazowania jest nowatorskie i nie było wcześniej stosowane. Istnieje możliwość zastosowania również innych metod w tym zakresie. Należy jednak podkreślić, że niewątpliwą zaletą metody PCA jest fakt, że w trakcie wizualizacji nie ma konieczności doboru żadnych parametrów w przeciwieństwie do wielu innych metod wizualizacji wielowymiarowych danych.
EN
This paper presents the development and evaluation of a new approach toward the optimization of 3D local orientation map calculation in the Matlab framework. This new approach can be detailed as: optimize eigenvector calculation for PCA analysis of X-ray micro tomography images of lamellar Titanium alloys image. We use two different methods to find the eigenvector of the largest eigenvalue and compare them with the Matlab built-in function (eigs). The results show a steep decrease of the calculation time using the authors' method compared to the Matlab built-in function.
PL
W artykule przedstawiono rozwój i ocenę nowego podejścia dotyczącego optymalizacji obliczeń 3D lokalnych orientacji map w środowiska Matlab. Zastosowano dwie różne metody wyznaczania wektora własnego największej wartości własnej. Wyniki są porównywane z wynikami otrzymanymi przy pomocy wbudowanych w pakiecie Matlab funkcji wyznaczające wektory i wartości własne. Wyniki porównania pokazują redukcję czasu obliczeń przy użyciu autorskiej metody w stosunku do funkcji wbudowanej w Matlab.
PL
W pracy przedstawiono wyniki pomiarów czasów życia fluorescencji 9 materiałów, w tym 2 symulantów bojowych środków biologicznych, przy wzbudzeniu dwoma długościami fali - 280 nm i 340 nm. Analiza wyników wykazuje możliwość odróżniania symulantów od części interferentów. Jednakże badanie jedynie czasów życia fluorescencji nie wystarcza do pełnego rozróżniania symulantów od interferentów o zbliżonej budowie chemicznej.
EN
Fluorescence lifetime measurements of 9 materials, including 2 biological warfare agents' simulants, are presented. Measurements were made using 2 excitation wavelengths - 280 nm and 340 nm. Analysis of results shows the possibility of discrimination of simulants from interferents. However, fluorescence lifetimes data alone is not sufficient for separation of simulants from interferents with similar chemical structure.
EN
This paper presents the results of an experimental application of artificial neural network as a classifier of the degree of cracking of a tooth root in a gear wheel. The neural classifier was based on the artificial neural network of Probabilistic Neural Network type (PNN). The input data for the classifier was in a form of matrix composed of statistical measures, obtained from fast Fourier transform (FFT) and principal component analysis (PCA). The identified model of toothed gear transmission, operating in a circulating power system, served for generation of the teaching and testing set applied for the experiment.
PL
W artykule przedstawiono wyniki z eksperymentów, których celem było wykorzystanie sztucznej sieci neuronowej jako klasyfikatora stopnia pęknięcia u podstawy zębów kół przekładni. W badaniach użyto probabilistycznych sieci neuronowych (PNN). Dane wejściowe dla klasyfikatorów stanowiły miary statystyczne uzyskane z sygnałów drganiowych, przy wykorzystaniu szybkiej transformaty Fouriera (FFT) oraz analizy PCA. Zidentyfikowany model przekładni zębatej, pracującej w układzie napędowym, posłużył jako źródło danych uczących i testujących dla sztucznych sieci neuronowych.
PL
Przedstawiono analizę składowych głównych (PCA) w celu redukcji wymiarowości wektora wejściowego do sztucznej sieci neuronowej (SSN). W prognozowaniu rozprzestrzeniania się zanieczyszczel1 zastosowano perceptron wielowarstwowy (MLP). Do trenowania wykorzystano dane doświadczalne uzyskane na wybranym odcinku drogi w Łodzi dotyczące stężenia tlenku węgla(II). Mierzono sześć wielkości charakteryzujących warunki klimatyczne oraz dwie określające natężenie ruchu samochodów osobowych i ciężarowych. Poprzez zastosowanie PCA wektor wejściowy zredukowano z ośmiu do trzech ortogonalnych skladowych głównych. Tak przetworzone dane posłużyły do trenowania i testowania sieci SSN. W dalszej części pracy porównano działanie sieci przy redukcji wymiarowości wektora wejściowego i bez. Dokonano również interpretacji ortogonalnych składowych.
EN
Artifical neural networks became an impotrant significant tool in gaseous pollution forecasting. In this paper the Principal Component Analysis (PCA) is presented in order to reduce dimension of input vector to artifical neural network (ANN). In forecasting of pollution dispersion multilayer perceptron (MLP) was used. The experimental carbon monoxide data obntained along a chosen part of road in Łódź was used for training. Six variables describing the climate condition and two determining traffic volume were measured. Input vector was reduced From eight to three orthogonal principal components by using PCA. The transformed data was used for training and testing ANN networks. In the second part of the paper the network performance with transformed of input vector and without was compared. The interpretation of orthogonal component was carried out.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.