Erweiterte Methoden zur Visualisierung von Daten

Die Visualisierung von Daten bzw. Ergebnissen mithilfe von Charts wird häufig verwendet, um schnell Informationen bzw. Ergebnisse transparent zu machen.

Einige häufig verwendete Charts sind z.B. Line Charts (zeitliche Verläufe), Scatter Charts (Veranschaulichung von Zusammenhängen zwischen zwei Variablen), Histogramme (Verteilung) und Box-Whisker-Charts (Verteilung und Ausreißer).

Ein weniger verbreiterter Charttyp ist der sogenannte Parallel-Koordinaten-Chart. Hier werden zunächst alle Variablen auf der X-Achse abgetragen. Jeder Datenpunkt wird dann als Line dargestellt. Wenn nun noch die Linien nach dem Verlauf einer Variablen eingefärbt werden, können ähnliche Datenpunkte schnell identifiziert werden.

Häufig wird dieser Charttyp für die Visualisierung von mehrkriteriellen Optimierungsergebnissen verwendet. In dem Beispiel oben wurde ein Einlasskanal hinsichtlich Verwirbelung (Tumble) und Durchfluss (Mass flow) optimiert. In der X-Achse sind von links, Variablen 1 bis 8 positioniert, welche die Geometrie des Einlasskanals beeinflussen (Eingangsgrößen). Variablen 9 und 10 sind die Ausgangsgrößen Verwirbelung (Tumble) und Durchfluss (Massflow). Auf den Y-Achsen sind jeweils die möglichen Größen für Verwirbelung und Durchfluss aufgetragen. Jede einzelne Linie entspricht einem optimalen Design mit entsprechenden Charakteristiken. Eingefärbt wurden die Linien nach dem Durchfluss (rot=niedrig, blau=hoch). Verfolgt man die entsprechenden Linien, je nach gewünschtem Durchfluss, so findet man für die anderen Einflussgrößen die entsprechenden optimalen Arbeitspunkte und erhält den bestmöglichen Kompromiss.

Es ist nun schnell zu erkennen, dass die Ziele Verwirbelung und Durchfluss gegenläufig sind. Dazu ist zu erkennen, wie der Querschnitt mit den Zielen zusammenhängt (kleiner Querschnitt=geringer Durchfluss, hoher Querschnitt=großer Durchfluss).

Daher eignet sich der Parallel-Koordinaten-Chart sehr gut für den Vergleich auch hoch-dimensionaler Datenpunkte.