Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Niedoba, T." wg kryterium: Autor


Wyświetlanie 1-4 z 4
Tytuł:
Statistical analysis of the relationship between particle size and particle density of raw coal
Autorzy:
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/951860.pdf
Data publikacji:
2013
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
approximation
coal
multidimensional analysis
statistical tests
particle size
density
Opis:
The paper presents a multidimensional analysis of mineral processing feeds consisting of different amounts of different size and density fractions. The considered feed was coal which was screened into size fractions which were subsequently separated into density fractions and their weights determined. The feed material was characterized with commonly used size and density frequency and cumulative distribution plots and next approximated with the Weibull (size) and logistic (density) mathe-matical functions. Having the contribution of each particle size and density fraction in the feed a two–dimensional analysis of the feed size/density properties was performed using two methods. The first one is based on the best chosen cumulative frequency function for two random variables and the second uses the so–called Morgenstern family functions. In the paper the undependability of the particles size and density was investigated using statistical approach based on the so–called Χ2 test, and the correlation between these parameters using the so–called F–Snedecor statistical test. In both cases it was found that particles size and density of the investigated coal particles were dependent what means that with growth of particle size its density grew too and there was correlation between them regardless of significance level assumed for the analysis.
Źródło:
Physicochemical Problems of Mineral Processing; 2013, 49, 1; 175-188
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Visualization of multidimensional data in purpose of qualitative classification of various types of coal
Wizualizacja wielowymiarowych danych w celu klasyfikacji jakościowej różnych typów węgla
Autorzy:
Niedoba, T.
Jamróz, D.
Powiązania:
https://bibliotekanauki.pl/articles/218760.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
analiza wielowymiarowa
tunele obserwacyjne
osie równoległe
węgiel
przeróbka surowców mineralnych
energia z węgla
multidimensional analysis
observational tunnels
parallel coordinates
coal
mineral processing
coal energy
Opis:
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.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być (charakteryzują się) charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1, …, Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o kierunkach charakteryzowania wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być: - wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba & Surowiak, 2012); - wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013); - analiza czynnikowa (Tumidajski & Saramak, 2009); - inne metody, w tym wizualizacja metodą tuneli obserwacyjnych (Jamróz, 2001), osi równoległych oraz wizualizacja zależności pomiędzy wielowymiarowymi bryłami (Jamróz, 2009). Wielowymiarowe rozkłady wektora X traktowanego jako wektor losowy, mają już swoją bogatą literaturę i praktyczne ich zastosowanie i nie będą przedmiotem tej publikacji. Pozostałe metody są ze sobą w pewien sposób powiązane, co skrótowo zostało przedstawione w artykule. Macierze współczynników korelacji liniowej i współczynników korelacji cząstkowej są związane, z reguły, z istniejącymi modelami liniowymi zależności występujących między badanymi zmiennymi wektora X. Współczynniki korelacji liniowej są wyznaczane dla par zmiennych losowych całkowicie niezależnie od pozostałych zmiennych. Cząstkowe współczynniki korelacji liniowej wyznaczane są w oparciu o macierz współczynniki korelacji liniowej z uwzględnieniem roli pozostałych zmiennych w rozważanym równaniu regresji liniowej. W przypadku analizy trzech zmiennych losowych, z których jedna jest traktowana jako zmienna zależna a dwie pozostałe jako niezależne sprowadza się to do wyznaczania współczynników korelacji dla zrzutowanych punktów równolegle do płaszczyzny regresji na ściany układu współrzędnych. Pozwala to wyznaczyć hierarchię (siłę wpływu) zależności zmiennych w rozpatrywanym układzie. Na analizie macierzy współczynników korelacji liniowej oparta jest analiza czynnikowa, która pozwala pogrupować występujące zmienne w tzw. czynniki, które reprezentują połączone wpływy zmiennych na rezultaty rozpatrywanych procesów, czyli przeprowadzić pewną klasyfikację zmiennych. W klasyfikacji typów węgli wyróżnia się wiele typów, z umownym podziałem na węgle energetyczne i koksujące. Dane dotyczące węgla są traktowane zwykle jako niezależne wielkości, przy czym takie podejście nie zawsze jest właściwe. Autorzy zaproponowali nowe rozwiązania w tym zakresie i dokonali wielowymiarowej analizy trzech wybranych typów węgla o różnych właściwościach (węgle typu 31, 34.2 oraz 35), które pochodziły z trzech różnych kopalń zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Obiektem badań w każdej z tych kopalń był tzw. węgiel surowy, nie poddawany procesom przeróbczym. Dla każdego z węgli dokonano szczegółowej analizy wybranych siedmiu cech, opisujących jego właściwości, których przykładowe wyniki zostały zaprezentowane w tabelach 1-3. Aby dokonać adekwatnej i dokładnej analizy statystycznej zebranych danych konieczna jest wielowymiarowa analiza wybranych cech węgla łącznie. Zdecydowano się na zastosowanie nowatorskich metod wizualizacji wielowymiarowych danych, którymi były metoda tuneli obserwacyjnych oraz metoda osi równoległych. Zasady i metodyka badań zostały przedstawione w podrozdziałach 2 i 3. Zastosowane metody umożliwiły uzyskanie wizualizacji siedmiowymiarowych danych opisujących węgiel. Za pomocą tych wizualizacji możliwe jest zaobserwowanie wyraźnego podziału przestrzeni cech pomiędzy badanymi typami węgla. Metody te umożliwiły spojrzenie na badane dane z różnych perspektyw, które pozwalają na stwierdzenie zasadniczych różnic badanych materiałów. Dla badanych węgli stwierdzono wyraźne takie różnice co świadczy o tym, że za pomocą proponowanych metod możliwa jest skuteczna identyfikacja typu węgla, jak również dokładniejsza analiza jego poszczególnych cech i identyfikacja np. klasy ziarnowej. Szczegółowe obrazy i ich interpretacja zostały przedstawione w rozdziale 3 i we wnioskach końcowych. Rysunki 3-5 obrazują różnice pomiędzy poszczególnymi typami węgla otrzymane metodą tuneli obserwacyjnych. Wyraźnie można rozgraniczyć próbki dotyczące poszczególnych węgli a tym samym możliwa jest identyfikacja typu węgla na podstawie wielowymiarowej analizy. Rysunki 6-7 pokazują zastosowanie innej metody wielowymiarowej, którą była metoda osi równoległych. Metoda ta okazała się być skuteczna do uzyskania informacji o konieczności przeskalowania poszczególnych cech, w celu uzyskania bardziejczytelnych rezultatów. Natomiast rysunek 10 pokazuje różnice otrzymane metodą tuneli obserwacyjnych pomiędzy charakterystykami konkretnych klas ziarnowych wybranego materiału, którym w tym przypadku był węgiel typu 31. Uzyskane wyniki i zastosowana metodyka są nowatorskie i stanowią bazę pod bardziej szczegółowe badania, biorące pod uwagę także inne charakterystyki węgli, w tym ich strukturę i teksturę. Za pomocą przedstawionych metod możliwe jest stwierdzenie, czy wybrane cechy są wystarczające do identyfikacji zarówno typu węgla, jak również klasy ziarnowej i innych jego cech. Metodyka ta może być również stosowana z powodzeniem dla innych typów surowców mineralnych, np. dla rud.
Źródło:
Archives of Mining Sciences; 2013, 58, 4; 1317-1331
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applications of ANOVA in mineral processing
Autorzy:
Niedoba, T.
Pięta, P.
Powiązania:
https://bibliotekanauki.pl/articles/88895.pdf
Data publikacji:
2016
Wydawca:
Politechnika Wrocławska. Wydział Geoinżynierii, Górnictwa i Geologii. Instytut Górnictwa
Tematy:
mineral processing
copper-molybdenum sulphides flotation
hard coal properties
ANOVA
multidimensional analysis
Opis:
The paper presents a scheme of conducting ANOVA, which can be a statistical method using for the analysis of various complex phenomena in different fields of science. It is mainly focused on presentation of different areas of application at statistical model, especially in mineral engineering. Selected experiments in which ANOVA was used successfully to study the process of flotation and proper-ties of three types of coal are presented in this study. Mineral resources are characterized by different properties and the flotation process depends on many factors which must be carefully controlled to obtain an expected separation efficiency of the process under industrial conditions. These facts determine the complexity of mineral processing structure. This choice of ANOVA was dictated by the adjustment of methodology to the nature of the analyzed phenomena. Based on this analysis it can be stated that the analysis of variance is appropriate to consider problems associated with the mineral engineering. The examples described in the paper confirmed a high potential which ANOVA carries. However, it should be noted that the one-dimensional analysis of variance has some limitations.
Źródło:
Mining Science; 2016, 23; 43-54
2300-9586
2353-5423
Pojawia się w:
Mining Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielowymiarowe charakterystyki węgli jako podstawa do oceny i korekty technologii ich wzbogacania
Multidimensional coal characteristics as the basis to evaluation and adjustment of its beneficiation technology
Autorzy:
Olejnik, T.
Surowiak, A.
Gawenda, T.
Niedoba, T.
Tumidajski, T.
Powiązania:
https://bibliotekanauki.pl/articles/349452.pdf
Data publikacji:
2010
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
energia
węgiel
wzbogacanie
analiza wielowymiarowa
coal
energy
beneficiation
multidimensional analysis
Opis:
Jakość produktów handlowych (sortymenty grube i średnie oraz miały węglowe) powstających w cyklu produkcyjnym zależy przede wszystkim od jakości i stanu złóż węglowych, metod urabiania pokładów węglowych i technologii wzbogacania urobku. Wysoka jakość procesów wzbogacania węgla przyczynia się do powstawania lepszych koncentratów, a jakość i stan złóż węglowych, poprzez poprawienie sposobów urabiania pokładów węglowych mogą doprowadzić do zmniejszenia ilości odpadów powstających w kopalni oraz do zmniejszenia obciążenia maszyn i urządzeń ciągu technologicznego zakładu przeróbczego. Wpłynie to na mniejszą awaryjność maszyn i ograniczenia kosztów produkcji węgla. Generalnie rzecz biorąc, rozróżnia się cztery podstawowe układy wzbogacania węgli [12] w zależności od stopnia ich uwęglenia (klasyfikacji węgli), przy czym najbogatszym układem wzbogacania jest układ związany z węglami koksującymi. W pracy zaprezentowano wielowymiarową analizę węgla na przykładzie węgla energetycznego oraz węgla pochodzącego, między innymi, z kopalni "Bielszowice".
Quality of trade products (thick and medium assortments and fine coals) being produced in production cycle depends mainly on quality and state of coal deposits, methods of treating coal fields as well technologies of yield beneficiation. The high quality of coal beneficiation processes causes production of better concentrates and adjustment of quality and state of coal deposits by introduction proper methods of coal fields processing may lead to lowering amounts of wastes produced by mine as well lowering the charge for devices and machines of technological system. This may influence on lower failure rate and limitation of coal production costs. Generally, there are four basic coal beneficiation systems [12] taking into consideration their coal contents (coals classification), while the most complex beneficiation system is the one connected with coking coals. The paper presents the multidimensional analysis of coal on the basis of energetic coal and coal originated, among others, from mine "Bielszowice".
Źródło:
Górnictwo i Geoinżynieria; 2010, 34, 4/1; 207-216
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies