Analytical data in technology, their analysis, structure and interpretation

Summary

For analysis and understanding of complex analytical data the search for internal structure, if there is any, will be the most promising strategy. A non-hierarchical clustering technique has been employed for this purpose. The important question of how many clusters will represent the structure of the data matrix can be determined by an algorithm which gives a measure for the clustering significance of the distribution into a number of clusters. The distribution with a high clustering significance will then be taken as the distribution which resembles the internal data structure best. The algorithm and its performance is demonstrated. Two examples of industrial practice are shown. The technique proves useful for the control of raw materials quality by their trace elements and for the evaluation of a number of cemented carbide compositions by their physical and chemical properties. The obtained distribution into groups reflects the technological properties of the alloys very closely. An easy understanding of data structure and interrelations of elements can be obtained by this approach.

Zusammenfassung

Die Suche nach einer inneren Struktur in komplexen analytischen Datensammlungen ist eine zielführende Strategie, um ein besseres Verständnis der Daten und ihre Analyse zu gewährleisten. Für diesen Zweck wurde eine nichthierarchische Cluster-Technik verwendet. Zur Beantwortung der wichtigen Frage, durch wie viele Gruppen die jeweilige Datensammlung am besten repräsentiert wird, wurde ein Algorithmus entwickelt, der die Ermittlung der Gruppensignifikanz gestattet. Die Gruppeneinteilung mit einer hohen Gruppensignifikanz wird dann als jene aufgefaßt, die die innere Struktur der Datensammlung am besten repräsentiert. Der Algorithmus und seine Leistungsfähigkeit werden demonstriert. Zwei Beispiele aus der industriellen Praxis werden angeführt. Einmal wurde diese Cluster-Technik verwendet, um Rohstoffe nach Spurenelementgehalten zu klassifizieren, und ein anderes Mal zur Darstellung einer Reihe von Hartmetallegierungen entsprechend ihren physikalischen Eigenschaften sowie ihrer chemischen Zusammensetzung. Die erhaltene Einteilung in Gruppen reflektiert die technologischen Eigenschaften dieser Legierungen. Durch diese Cluster-Technik ist es möglich, die Struktur von Datensammlungen zu untersuchen und die Beziehungen zwischen den Gruppen zu studieren.