Выбор автомата: Выбор автоматического выключателя по току, мощности и сечению кабеля – СамЭлектрик.ру

Содержание

Выбор автомата по мощности нагрузки, сечению (току) кабеля

В советский период времени в нашей стране для безопасной работы и защиты от перегрузки, а, следовательно, защиты от возгорания электрической проводки и короткого замыкания использовались предохранители с плавкими вставками.

Такие устройства являлись надежными, но при срабатывании неизбежно перегорал предохранитель. И главным недостатком этих устройств являлась необходимость замены предохранителя на новый.

В быту при замене плавкой вставки многие неопытные обитатели квартир совершали ошибки, так как не умели правильно рассчитать её по нагрузке. Поэтому такие устройства уже не могли должным образом защитить пользователя от пожара.

С развитием современных технологий на смену плавким предохранителям пришли эффективные и точные приборы – автоматические выключатели. Такие устройства являются надежными и хорошо защищают всю электрическую систему дома или каждую её часть по отдельности.

Главный вопрос, который возникает при монтаже электрической проводки – правильный выбор автоматического выключателя. Подробнее об этом вы узнаете из нашей статьи. Мы расскажем о том для чего нужны такие приборы и как правильно выбрать автомат по току, чем отличаются различные виды этих устройств.

Для чего нужен автоматический выключатель

Главная функция автоматического выключателя – защита электрической сети от перегрузки, короткого замыкания и, как следствие, неприятных последствий в виде возгорания электрической проводки или выхода из строя электроприборов.

При возникновении аварийной ситуации, например, при превышении нагрузки, если система не будет защищена, то будет превышен ток, который может выдержать электрический кабель проводки. Он нагреется, изоляция расплавится и произойдет короткое замыкание: сила тока увеличится в тысячи раз и моментально произойдет возгорание всей электрической проводки.

Результат таких происшествий вы часто можете слышать из средств массовой информации с заголовками «в результате возгорания электрической проводки произошел пожар и пострадали люди».

Для недопущения таких последствий, согласно электрической нормативно-технической документации, обязательно необходимо устанавливать автоматические выключатели соответствующего номинала для электропроводки в любом помещении.

Конструктивное устройство автомата

Современные автоматические выключатели принципиально практически ничем не отличаются и имеют в своем составе два устройства: электромагнитный и тепловой расцепители.

Тепловой расцепитель состоит из биметаллической пластины, которая имеет свойство нагреваться при прохождении через нее тока. Если значение тока, проходящего длительное время через автомат, превышает номинальное пропускное значение, то пластина сильно нагревается, изгибается и воздействует на механизм, который отключает данный автомат.

Электромагнитный расцепитель (соленоид) – представляет собой катушку с намотанной на нее проволокой с сердечником и пружиной. Данный механизм защищает электрическую сеть от больших токов (например, из-за короткого замыкания) и мгновенно отключает электропитание при возникновении такой ситуации. Принцип действия прост: при возникновении сверхтока в обмотке катушке появляется наведенный магнитный поток, который перемещает сердечник, тот воздействует на механизм расцепителя и отключает автоматический выключатель.

Что такое номинальный ток автомата

Номинальный ток – это максимально допустимое значение электрического тока, который пропускает автоматический выключатель без отключения сети.

Чтобы понять и сделать выбор автомата по току, нужно исходить из двух факторов:

  1. 1. Сечение электрического кабеля – площадь поперечного сечения кабеля электропроводки, который способен без нагрева выдерживать определенную мощность нагрузки.
  2. 2. Максимальной нагрузке – мощности всех электроприборов, подключённых к данной линии на максимальном режиме работы.

При выборе автоматического выключателя нельзя ставить защитное устройство номиналом по току выше, чем может выдержать смонтированный силовой кабель. Такой автомат не защитит электропроводку и сработает уже поле перегрева линии.

В любом случае сечение электрического кабеля, номинал автомата и мощность нагрузки между собой очень сильно связаны. Силовой кабель может пропускать ограниченную его сечением величину тока.

Поэтому идеальным вариантом для устройства электрической сети будет такая последовательность: расчет мощности всех потребителей на силовой линии, расчет площади поперечного сечения, монтируемого кабеля по максимальной мощности всех устройств, расчет автоматического выключателя исходя из выбранного кабеля.

Учитывайте ток «неотключения» при выборе

При работе с автоматическими выключателями необходимо знать о таком свойстве, как ток не отключения. Ошибкой является представление о том, что если устанавливать автомат на 32А, то он сработает именно при силе тока в 32А.

Токи не отключения являются важной составляющей при выборе автомата, потому что они могут существенно повлиять на безопасную работу электрической сети.

Чтобы понять откуда берется такое свойство автомата, необходимо проанализировать характеристики автоматических выключателей по времени – току. Информацию о токе не отключения можно получить, посмотрев на горизонтальную ось отношения номинального тока к нагрузке I/In.

Автоматический выключатель может работать не отключаясь при превышении номинала на определенное количество, например, в 1,13 раза.

Поэтому обязательно учитывайте это свойство и рассчитывайте свою силовую линию с запасом.

Еще один момент, который тоже важно учесть в своих расчётах – это время работы при длительной превышающей нагрузке. Чтобы автоматический выключатель сработал при превышении нагрузки в 1,45 раза необходимо некоторое количество времени. Данное свойство регулируется п. 8.6.2. ГОСТ Р 50345-2010.

Например, автомат может работать в горячем состоянии 50 секунд, а в холодном более часа при превышении нагрузки в 1,45 раза. Поэтому если сечение выбрано неправильно, то времени для того, чтобы расплавить изоляцию будет более чем достаточно.

Если неправильно выбрать номинал автомата?

Основные ошибки, которые совершают, когда нужно сделать выбор автомата по мощности нагрузки: выбор слишком большого номинала или, наоборот, слишком маленького номинала по току.

Если выбрать устройство с маленьким номиналом, то автоматический выключатель будет постоянно выключаться при работе электрических приборов, будет пропадать освещение и переставать работать важные механизмы. В таком случае у проложенного кабеля будет запас мощности, но автоматический выключатель не позволит пропускать через себя ток, выше его номинала (который будет меньше номинала кабеля).

Во втором случае при неправильном выборе автомата, с «запасом» по мощности – вы подвергнете себя риску возгорания электрической проводки. Так как мощность, на которую рассчитана кабельная линия будет существенно ниже пропускной способности автоматического выключателя и он просто не сработает, так как электрический кабель уже будет плавится, а у автомата еще будет запас работы.

Плюс ко всему чем выше номинал автомата, тем он дороже. При совершении такой ошибки вы переплатите деньги и подвергнете себя существенному риску, работа электрической системы будет неэффективной и небезопасной.

Очень часто возникает проблема, в том, что автомат отключается или работает неправильно, но номинал его выбран верно. Это происходит по той причине, что неправильно выбран класс устройства, который связан с характеристиками расцепителя.

Сечение проводки должно выдерживать нагрузку

Очень важный момент при расчете и монтаже электропроводки, это правильный выбор электрического кабеля по пропускной способности его площади поперечного сечения. Бывает так, что люди забывают об этом: суммируют мощность всех приборов, покупают нужный автомат, а о проводке забывают.

Через какое-то время это может привести к выходу из строя силовой линии, так как параметры кабеля не были учтены при расчете.

Если сечение электрического кабеля 1,5 мм.кв. с максимальной пропускной способностью в 15 А, а автомат стоит номиналом 25 А. То при превышении нагрузки с

Как не оконфузиться при выборе автоматического выключателя / Хабр

Краткая заметка по поводу выбора автоматических выключателей. Искренне надеюсь, что читатель не узнает для себя ничего нового.

У поста есть видеоверсия на моем ютуб канале. Реалии времени заставляют меня делать еще и видео:

Определимся с целью

Для начала нужно определиться — для чего нам автоматический выключатель в электрощите. Задача автоматического выключателя — прежде всего защитить стационарную кабельную линию от протекания токов свыше предельно допустимых. Если ток превышен — то проводники нагреваются, с плавлением и разрушением изоляции или расплавлением самих проводников. И если не случится пожара, то случится дорогостоящий ремонт, с работами по замене замурованной в стенах электропроводки. А ток может быть превышен, если к линии подключили слишком много потребителей (происходит перегрузка) или если происходит короткое замыкание. Неправильный выбор характеристик автоматического выключателя — путь к дорогостоящему ремонту, а при особенной везучести — к пожару.

Номинальный ток

Поняв, что автоматический выключатель должен защитить кабельную линию от протекания тока свыше допустимого, мы должны понять, какой же ток допустимый. Чаще всего ссылаются на вот эту табличку из ПУЭ (таблица 1.3.4):

Но, на мой субъективный взгляд, у этой таблички есть существенный недостаток, и он указан в источнике — эта табличка составлена для окружающей температуры +25, температуры земли +15 и температуры жилы (!!!) +65. Длительная работа изоляции при повышенной температуре ускоряет процесс старения полимеров, поэтому мое личное мнение — указанные в таблице цифры стоит уменьшить хотя бы на 1/4. Если кабель проложен таким образом, что его охлаждение затруднено, то предельно допустимый рабочий ток также уменьшают. Например если кабель расположен в пучке с другими кабелями или под слоем теплоизоляции.

И вот в этом месте подходим к самой неочевидной вещи. В таблице указаны предельно допустимые токи, а на автоматических выключателях указан номинальный ток. Номинальный ток автоматического выключателя, указанный на нем — это ток, который может длительно проходить через автоматический выключатель и не вызывать его отключения. Для определения тока отключения заглянем в документацию, в график время-токовых характеристик:

Но это график конкретного экземпляра автоматического выключателя. В реальном мире, у автоматических выключателей есть разброс характеристик, даже у выключателей взятых из одной коробки. Поэтому на графике изображена область, в которой окажется характеристика случайно взятого автоматического выключателя.

В результате, если взять определенный ток, то мы получим диапазон значений времени, за которое сработает автоматический выключатель. От и до, как например вот здесь:

Думаю очевидно, что в расчетах стоит полагать, что нам попался самый плохой экземпляр, и берется самое худшее значение.

В автоматическом выключателе есть два расцепителя — тепловой, который достаточно точный, но медленный, и электромагнитный — очень быстрый, но неточный. (В посте (https://serkov.su/blog/?p=5563) я разбирал, как к такому пришли, и почему лучше пока ничего не придумали.) В итоге получается нелинейная зависимость времени срабатывания от протекающего тока. Для наглядности возьмем автоматический выключатель, на котором указан номинальный ток 16А. При перегрузке будет работать тепловой расцепитель:

До тока в 1,13 от номинального, расцепления совсем не произойдет (16*1,13=18,08А)

При токе в 1,45 от номинального тепловой расцепитель сработает, но за время менее 1 часа (!). (16*1,45=23,2А)

При токе в 2,55 от номинального тепловой расцепитель сработает за время менее 60 сек. (16*2,55= 40А)

При превышении тока еще сильнее — сработает электромагнитный расцепитель, но об этом чуть позже.

Все это становится понятнее, если взглянуть на график:

Откуда взялись эти магические цифры? Из стандарта (у нас в стране — ГОСТ 60898-1-220). Просто разработчики условились, что разброс параметров срабатывания расцепителей должны быть в этих пределах. Причем скорее всего взяли просто две удобные точки времени — 1 час и 1 минута, и воспользовались статистическими данными, чтобы получить кратности номинального тока.

Ну и чтобы совсем жизнь мёдом не казалась, стоит добавить, что в зависимости от температуры окружающей среды применяют коэффициенты. На жаре тепловой расцепитель прогревается и срабатывает быстрее, а вот на морозе наоборот.

А теперь сценарий везунчика по жизни. В частный дом заходит кабель, сечением 1,5 мм2. Щиток с автоматическим выключателем находится в холодном предбаннике, когда на улице мороз -35. Кабель от щитка идет через стену под слоем утеплителя. Автоматический выключатель на 16А почти час (!) будет пропускать ток в (16*1,45*1,25(поправочный на температуру, рис.4) = 29А. При 19А по табличке из ПУЭ у нас жилы будут горячими — +65С, а под слоем утеплителя изоляция уже начнет плавиться.

Еще раз резюмирую: Номинальный ток автоматического выключателя НЕ РАВЕН предельно допустимому току кабеля. Предельный ток кабеля должен вызывать отключение автоматического выключателя в адекватное время.

Тип электромагнитного расцепителя

Тепловой расцепитель медленный, что плохо при коротком замыкании — токи могут быть огромными, и даже за одну секунду могут наделать бед. Поэтому в конструкцию автоматического выключателя добавили электромагнитный расцепитель, который срабатывает за доли секунды. Но он настроен на ток в разы превышающий номинальный.

Дело в том, что некоторые виды потребителей при включении потребляют ток в разы, превышающий ток в рабочем режиме. Например мотор в пылесосе в момент включения кратковременно потребляет ток в 2-3 раза больший, но после разгона мотора, потребление снижается. Возможно вы замечали, как лампочки накаливания слегка притухают в момент включения чего-то как раз из-за этого. Вот график потребления тока мотора пылесоса:

Чтобы эти пусковые токи не заставляли сработать электромагнитный расцепитель, его характеристику сдвинули в зону бОльших токов, что бы такие кратковременные превышения тока были в зоне теплового расцепителя, который в силу своей инерционности такие краткосрочные процессы не замечает.

В итоге получилась линейка автоматических выключателей с одинаковыми тепловыми расцепителями, но с разными электромагнитными. Из-за огромного разброса параметров электромагнитных расцепителей — получились большие разбросы кратности тока срабатывания:

Характеристика В — электромагнитный расцепитель сработает при превышении тока в 3-5 раз

Характеристика С — электромагнитный расцепитель сработает при превышении тока в 5-10 раз

Характеристика D — электромагнитный расцепитель сработает при превышении тока в 10-20 раз

Вот они на графике:

Есть и другие характеристики (K, Z и т.д) но встречаются крайне редко и под заказ, поэтому опустим их.

Если по какой-то причине стартовые токи кратковременно попадут в зону действия электромагнитного расцепителя то возможны ложные срабатывания. И именно для исключения таких ложных срабатываний и сделали несколько типов характеристик.

Некоторые производители для упрощения указывают стартовые токи, вот например светодиодный драйвер уважаемой фирмы при включении кушает солидные 55А (из-за зарядки конденсатора в блоке питания), производитель даже сразу посчитал, сколько светодиодных драйверов можно подключить параллельно на один автоматический выключатель:

4 штуки с характеристикой В и 7 штук на автомат с характеристикой С. Кто бы мог подумать, что 150 ватт светодиодного света могут вышибать 16А автомат! Ситуация становится еще хуже, если используются некачественные светодиодные светильники, где производитель не только не предусмотрел плавный старт, да даже пусковой ток не регламентирует!

Если используется большое количество светодиодных светильников — то придется делить их на группы, чтобы одновременный пуск не вызывал срабатывание автоматического выключателя. Пытливый читатель задастся вопросом — а почему бы не взять просто автоматический выключатель с характеристикой «C» или «D»? Тогда бы пусковые токи не вызывали бы ложных срабатываний! Но не все так просто….

Ток короткого замыкания

Можно иногда услышать выражение «сопротивление цепи фаза-нуль», оно по сути про то же. Ток короткого замыкания — это величина тока в цепи, в случае если из-за повреждения случается короткое замыкание (прямое соединение фазного проводника и нейтрального, или соединение фазного и заземления) в самом дальнем участке. В идеальном мире с идеальными проводниками ток короткого замыкания был бы бесконечным. Но в реальном мире кабели имеют собственное сопротивление, и чем они длиннее тоньше — тем выше их собственное сопротивление. При обычной работе это не так важно — их собственное сопротивление много меньше сопротивления нагрузки. Но если случится короткое замыкание, ток будет ограничен именно этим собственным сопротивлением всех проводников в цепи + внутреннее сопротивление источника тока.

А теперь смотрим. В деревне Вилларибо измеренный ток короткого замыкания линии 278 Ампер, и электрик поставил автоматический выключатель С16:

Как видим все отлично — при коротком замыкании тока будет достаточно, чтобы электромагнитный расцепитель сработал. А вот в деревне Вилабаджо очень плохая проводка, и ток короткого замыкания всего 124 А. Смотрим на график:

В самом худшем случае, электромагнитный расцепитель типа «С» сработает при токе в 10 раз больше номинального (16*10=160А). А значит при 124А возможна ситуация, когда электромагнитный расцепитель при коротком замыкании не сработает, а пока тепловой расцепитель успеет сработать — по линии будет гулять ток в 124А, что может закончиться плохо. В таком случае деревне Вилабаджо нужно или менять проводку, чтобы уменьшить потери, или использовать автоматический выключатель типа В16, у которого электромагнитный расцепитель сработает в худшем случае при токе 5*16=80А. Теперь вы понимаете, почему характеристика типа D (10-20 *Iном) в некоторых случаях изощренный способ стрелять себе в ногу?

Как же определить ток короткого замыкания? Для проектируемых линий его можно расчитать — длина кабеля известна, сечение тоже. Для линий уже находящихся в эксплуатации — только измерять, поскольку никто не знает, на что пришлось пойти электрикам при ремонте поврежденных участков.

Для определения тока короткого замыкания есть специальные приборы. Показывать современные не интересно, поэтому покажу суровый советский олдскул, который есть у меня. М-417 измеряет сопротивление цепи путем измерения падения напряжения на известном сопротивлении, а ток короткого замыкания необходимо рассчитывать:

Щ41160, творение сумрачного советского гения. Устраивает короткое замыкание на доли секунды и измеряет ток непосредственно. В коричневой коробочке на проводе — предохранитель на 100А.:

Как правило, ток короткого замыкания измеряют при введении линии в эксплуатацию, и планово, раз в несколько лет. Только после измерения тока короткого замыкания можно сказать, правильно ли подобрана защита.

Ток короткого замыкания равен …Oh shi….

Если ток короткого замыкания будет черезчур большим? Вот тут мы сталкиваемся с отключающей способностью автоматического выключателя. В момент размыкания контактов выключателя загорается электрическая дуга, которая сама по себе проводит ток и гаснет неохотно. Для ее принудительного разрушения в конструкции автоматических выключателей предусмотрены дугогасительные камеры. Вот здесь на высокоскоростной съемке видно как работает дугогасительная камера:

На автоматическом выключателе в прямоугольной рамке нанесена величина отключающей способности в амперах — это максимальный ток, который способен разомкнуть автоматический выключатель без поломки. Вот на фото автоматические выключатели с отключающей способностью в 3000, 4500, 6000 и 10000 А:

Для наглядности я их разобрал. Большая отключающая способность заставляет не только делать дугогасительные камеры больше, но и усиливать другие конструктивные части, например защиту от прогара вбок.

Отключающая способность автоматического выключателя должна быть больше тока короткого замыкания в линии. Как правило, 6000 А достаточно для большинства применений. 4500А обычно достаточно для работы в линиях старых домов, но может быть недостаточным в новых сетях.

Коммутационная стойкость

При каждом включении/отключении автомата меж контактов загорается дуга, которая постепенно разрушает контактную группу. Производитель часто указывает количество циклов включения/отключения, который должны выдержать контакты:

Отсюда легко видеть, что автоматический выключатель не замена нормальному выключателю при частом использовании. Если пожадничать, и вместо пускателя с контактором заставить сотрудника включать/отключать мешалку дергая автомат по 10 раз в день, то автомат может прийти в негодность менее чем за пару лет. Вот фото автоматического выключателя, контакты которого пришли в негодность из-за большого тока:

Помните, каждая коммутация и срабатывание автоматического выключателя «съедает» его ресурс.

Класс токоограничения

Наверное самая мистическая характеристика. Указывается в виде цифры в квадратике. Про нее в рунете написано мало и чаще ерунда. Класс токоограничения, если упрощать, говорит о количестве электричества, которое успеет пройти через автоматический выключатель при коротком замыкании прежде, чем он отключит цепь, и говорит о быстродействии. Всего классов три:

Что интересно, отечественными стандартами класс токоограничения не регламентируется, поэтому на картинке выше нет кириллицы. Цифры в таблице — это величина интеграла Джоуля. Отечественные производители указывают класс просто потому что «так принято», а не того требуют отечественные стандарты 🙂 В быту на данный параметр можно не обращать внимание — классы хуже третьего встречаются в продаже не часто.

Селективность

Вам бы не хотелось, чтобы при перегрузке или коротком замыкании срабатывал автоматический выключатель где-то на столбе у ввода в дом. При последовательном соединении автоматов защиты, подбором их характеристик можно добиться селективности — свойству срабатывать защите ближайшей к повреждению, без срабатывания вышестоящей. И у меня две новости.

Хорошая — можно воспользоваться специальными таблицами, которые есть у многих производителей, и подобрать пары автоматических выключателей, которые при перегрузке будут обеспечивать селективность. На графике это видно как непересекающиеся графики работы расцепителей:

Но по графику вы могли понять, что плохая новость — обеспечить полную селективность автоматических выключателей при коротком замыкании затруднительно. Кривые пересекаются в области больших токов. Поэтому чаще всего речь о частичной селективности. Например, если синий график — автомат В10, а фиолетовый В40, то ток селективности составит 120А (значение взято из таблиц одного производителя для конкретной модели автоматов). Тоесть при токах меньше тока селективности — все отлично. При токах больше — сработать могут оба устройства защиты.

В бытовой серии модульных автоматических выключателей обеспечивать селективность, даже частичную, довольно трудно. Лишь большие и мощные устройства защиты, например на подстанциях, имеют тонкие настройки уставок расцепителей для обеспечения селективности с вышестоящими устройствами защиты.

Да скажи уже что ставить!?

Прежде всего то, что предусмотрено проектом.

Ну а если уж совсем среднестатистический случай с кучей оговорок, то:

Линия 1,5 мм2 — Автомат В10 с отключающей способностью 6000А

Линия 2,5 мм2 — Автомат В16 с отключающей способностью 6000А

Применение автоматического выключателя с характеристикой «C» или «D» вместо «B» должно иметь вескую причину.

Плюшки

Автоматические выключатели разных производителей могут содержать разные приятности/полезности, которые напрямую на защитные функции не влияют, но могут быть полезны:

Это различные шторки/колпачки/крышечки для пломбирования вводного автомата по требованию электросетевой компании.

Это визуальный индикатор фактического состояния контактов, такой индикатор останется красным, если контакты из-за перегрузки сварились

Это окошки для дополнительных нашлепок с электромагнитными расцепителями, контактами

Это дополнительное окошко у клемм для использования гребенки при подключении

и прочее и прочее.

Резюме

  1. Номинальный ток автоматического выключателя не равен предельно допустимому для кабеля! В силу особенностей конструкции автоматический выключатель может длительное время пропускать через себя токи значительно больше номинальных и не отключаться.

  2. Разные типы электромагнитных расцепителей позволяют избежать ложных срабатываний, но использовать тип С, и в особенности тип D нужно понимая что к чему.

  3. Если ток короткого замыкания в вашей линии мал — то использование автоматического выключателя требует вдумчивого подхода.

  4. Если ток короткого замыкания в вашей линии огромен, то отключающая способность автоматического выключателя должна быть еще больше.

  5. А чтобы знать ток короткого замыкания, его нужно измерить специализированным прибором. И только после измерения можно сказать, будет ли правильно работать защита

Хочу сказать спасибо всем, кто принимал участие в рецензировании черновика. Буду рад указаниям на фактические ошибки в статье и ценным дополнениям.

Выбор автомата. Коротко и ясно. | СамЭлектрик.ру

Статья не претендует на википедийность!
Если нужны академические знания, с ними можно ознакомиться в книгах и учебниках, которые выложены для свободного скачивания у меня на блоге, на странице Скачать.

Автоматический выключатель имеет в народе ещё несколько названий — защитный автомат, автомат электрический, электрические автоматы, пробка, пакетник, или просто автомат.

О чем идёт речь — на картинке. Это самая бюджетная модель.

Электрический или защитный автомат

Электрический или защитный автомат

Некоторые глубинные параметры не рассмотрены — например, время-токовая характеристика, максимальная отключающая способность, и др.

В первом приближении, достаточном для практической работы и понимания процессов, статья дает понимание работы защитного автомата. Более подробная статья с некоторым повторениями — Обзор характеристик защитных автоматических выключателей.

На эту тему я уже написал на блоге несколько статей, по ходу буду отсылать по ссылкам.

Функции автоматического выключателя

Из названия видно, что это выключатель, который выключает автоматически. То есть, сам, в определенных случаях. Из второго названия — защитный автомат — интуитивно понятно, что это некое автоматическое устройство, которое что-то защищает.

Вот примеры установки и применения таких автоматов — при установке квартирного счетчика и при замене электропроводки в квартире.

Теперь подробнее. Автоматический выключатель срабатывает и выключается в двух случаях — в случае перегрузки по току, и в случае короткого замыкания (КЗ).

Перегрузка по току возникает из-за неисправность потребителей, либо когда потребителей становится слишком много. КЗ — это такой режим, когда вся мощность электрической цепи тратится на нагрев проводов, при этом ток в данной цепи является максимально возможным. Далее будет подробнее.

Кроме защиты (автоматического выключения), автоматы могут использоваться для ручного выключения нагрузки. То есть, как рубильник или обычный «продвинутый» выключатель с дополнительными опциями.

Ещё важная функция (это само собой) — клеммы для подключения. Иногда, даже если функция защиты особо не нужна (а она никогда не помешает), клеммы автомата могут очень пригодиться. Например, как показано в статье Почему бы и нет))).

Переходник на автоматах. Лучше использовать 2п автомат!

Переходник на автоматах. Лучше использовать 2п автомат!

Количество полюсов

По количеству полюсов автоматы бывают:

  • Однополюсные (1п, 1p). Это самой распространенный тип. Он стоит в цепи и защищает один провод, одну фазу. Такой изображен в начале статьи.
  • Двухполюсные (2п, 2p). В данном случае — это два однополюсных автомата, с объединенным выключателем (ручкой). Как только ток через один из автоматов превысит допустимое значение, отключатся оба. Применяются такие в основном для полного отключения однофазной нагрузки, когда рвется и ноль, и фаза. Именно двухполюсные автоматы применяются на вводе в наши квартиры.
  • Трехполюсные (3п, 3p). Применяются для разрыва и защиты трехфазных цепей. Так же, как и в случае с двухполюсными, фактически это три однополюсных автомата, с общей ручкой включения/выключения.
  • Четырехполюсные (4п, 4p). Встречаются редко, устанавливаются в основном на вводе трехфазных РУ (распределительных устройств) для разрыва не только фаз (L1, L2, L3), но и рабочего нуля (N).
Внимание! Провод защитного заземления (РЕ) ни к коем случае разрывать нельзя!

Ток автоматического выключателя

Номинальные тепловые токи автоматов бывают из следующего ряда:

0,5, 1, 1,6, 2, 3,15, 4, 5, 6, 8, 10, 13, 16, 20, 25, 32, 40, 50, 63.

Жирным выделены номиналы, наиболее часто применяющиеся в быту. Есть и другие номиналы, но о них сейчас не будем.

Данный ток для автоматического выключателя является номинальным. При его превышении выключатель выключится. Правда, не сразу, о чем сказано ниже:

Время-токовые характеристики

Очевидно, что автомат не всегда отключается мгновенно, и иногда ему надо «подумать и принять решение», или дать шанс нагрузке войти в норму.

Время-токовая характеристика показывает, через какое время и при каком токе отключится автомат. Эти характеристиками также называют кривыми отключения или токо-временными характеристиками. Что точнее, поскольку именно от тока зависит, через какое время отключится автомат.

Кривые отключения или токо-временные характеристики

Кривые отключения или токо-временные характеристики

Поясню эти графики. Как я уже говорил выше, у защитного автомата есть два вида защиты — тепловая (от перегрузки по току) и электромагнитная (от КЗ). На графике работа тепловой защиты — это участок, который плавно спускается. Электромагнитная — кривая резко обрывается вниз.

Тепловая работает медленно (например, если ток превышает номинал в два раза  автомат выбьет примерно через минуту), а электромагнитная — мгновенно. Для графика В это мгновение «начинается», когда ток превышает номинал в 3-5 раз, для категории С — в 6-10 раз, для D (не показан, поскольку в быту не применяется) — в 10-20 раз.

Как это работает — можно пофантазировать, что будет, если ток будет превышать номинал в 5 раз, а защита стоит с характеристикой «С», как во всех домах. Автомат выбьет только через 1,5-9 секунд, как повезёт. За 9 секунд поплавится изоляция, и проводку надо будет менять. В данном случае поэтому КЗ лучше, чем перегруз.

Для бытовых целей лучше выбирать время-токовую характеристику «В», поскольку пусковые токи в квартире кратковременные и небольшие, а токи короткого замыкания в квартирах и тем более в частном секторе малые.

Выбор автоматического выключателя. Основное правило

Выбирать защитный автомат надо, исходя из площади сечения провода, который этот автомат защищает (который подключен после этого автомата). А сечение провода — из максимального тока (мощности) нагрузки.

Алгоритм выбора автоматического выключателя таков:

  • Определяем мощность и ток потребителей линии, которая будет питаться через автомат. Ток рассчитывается по формуле I=P/220, где 220 — номинальное напряжение, I — ток в амперах, Р — мощность в ваттах. Например, для нагревателя мощностью 2,2 кВт ток будет 10 А.
  • Выбираем провод по таблице выбора сечения в зависимости от тока. Для нашего нагревателя подойдет кабель с жилой сечением 1,5 мм². Он в самых худших условиях в однофазной сети держит ток до 19А.
  • Выбираем автомат, чтобы он гарантированно защищал наш провод от перегруза. Для нашего случая — 13А. Если поставить автомат с таким номинальным тепловым током, то при токе 19А (превышение в полтора раза) автомат сработает примерно через 5-10 минут, судя по время-токовым характеристикам.

Много это или мало? Учитывая, что кабель тоже имеет тепловую инерцию, и не может мгновенно расплавиться, то нормально. Но учитывая то, что нагрузка не может просто так увеличить свой ток в полтора раза, и за эти минуты может произойти пожар — это много.

Поэтому, для тока 10 А лучше использовать провод сечением 2,5 мм² (ток при открытой прокладке — 27А), а автомат 13А (при превышении в 2 раза сработает примерно через минуту). Это для тех, кто хочет перестраховаться.

При этом главное правило будет таким:

Ток провода должен быть больше тока автомата, а ток автомата — больше тока нагрузки

Iнагр < Iавт < Iпров

Имеются ввиду номинальные токи.

И если есть такая возможность, номинал автомата должен быть смещён в сторону тока нагрузки. Например, макс.ток нагрузки 8 Ампер, макс.ток провода — 27А (2,5мм2). Автомат следует выбирать не на 13 или 16, а на 10 Ампер.

Привожу таблицу выбора автомата:

Таблица выбора защитного автомата по сечению кабеля

Выбор защитного автомата однозначно зависит от сечения кабеля. Если ток автомата выбран больше, чем надо, то возможен перегрев кабеля из-за протекания большого тока. Если же автомат выбран правильно, то при превышении тока он выключится, и кабель не повредится.

Таблица выбора автомата по сечению кабеля

Таблица выбора автомата по сечению кабеля

Обратите внимание на способы прокладки кабеля (тип установки). От того, где проложен кабель, ток выбранного защитного автомата может отличаться в 2 раза!

По таблице — имеем исходно сечение кабеля, и под него выбираем защитный автомат. Для нас, как для электриков, наиболее важны первые три столбца таблицы.

Теперь — как выбрать защитный автомат, если известна мощность приборов?

Таблица выбора защитного автомата по мощности нагрузки

Таблица потребления и ток защитного автомата по мощности приборов

Таблица потребления и ток защитного автомата по мощности приборов

Видно, что производитель рекомендует разные время-токовые характеристики для разных электроприборов. Там, где нагрузка чисто активная (разные типы нагревателей), рекомендована характеристика автомата «B». Там, где есть электродвигатели  — «С». Ну а там, где используются мощные двигатели с тяжелым запуском — «D».

Время-токовая характеристика D в эту таблицу не вошла, потому что она не для бытового применения.

Дополнительные материалы по выбору автоматических выключателей

Рекомендую мою статью на Дзене — Почему для частных квартир и домов я рекомендую выбирать автоматы с характеристикой В.

А тут я подробно разбираю и показываю изнутри, как устроен защитный автомат.

И напоследок — рекомендую видео коллег:

Выбрать защитный автомат, основные вопросы и пример расчета:

Определяемся с характеристикой отключения:

А вот тут я с коллегой не согласен. Он долго рассказывает про селективность и характеристики, но ни слова про ток КЗ. А ведь ток КЗ — это первое, что надо знать, чтобы говорить о селективности и выборе характеристик отключения!

Оригинал статьи здесь

Интересно? Ставьте лайк, подписывайтесь, задавайте вопросы!

Если интересны темы канала, заходите также на мой сайт — https://samelectric.ru/ и в группу ВК — https://vk.com/samelectric

Обращение к читателям, которым есть, что сказать: Если Вы готовы стать Автором, я могу предоставить страницы своего сайта!

Обращение к хейтерам:
за оскорбление Автора и Читателей канала — бан.

Как правильно подобрать и рассчитать автоматический выключатель (простой расчет автомата).

Автоматический выключатель — это устройство, обеспечивающее защиту электропроводки и потребителей (электрических приборов) от коротких замыканий и перенагрузки электросети. Бытует ошибочное мнение, что автоматический выключатель обеспечивает защиту электроприборов от неполадок в сети. Это чушь, тут скорее наоборот, автоматический выключатель защищает проводку от самих потребителей, ведь перенагрузку электросети создают сами потребители.

У каждого автоматического выключателя есть свои технические характеристики, но чтобы сделать правильный выбор автоматического выключателя, нужно понимать и учитывать всего три: это номинальный ток, класс автомата и отключающая способность.

Разберем их по порядку.

Номинальный ток In — это сила тока, которую может пропустить через себя автомат. При превышении номинального тока, происходит размыкание контактов автоматического выключателя, вследствие чего обесточивается участок цепи. По стандартам, отключение автоматического выключателя должно происходить при силе тока в 145% от номинального. Самые распространенные автоматы с номинальным током в 6; 10; 16; 20; 25; 32; 40; 50; 63 А.

Класс автомата — это кратковременное значение силы тока, при котором автомат не срабатывает. Что это значит? Существует такое понятие как пусковой ток. Пусковой ток — это ток, который кратковременно потребляет электроприбор при запуске. Пусковой ток может во много раз превосходить номинальный ток прибора. Например, при включении лампочки в 60 Вт, создается пусковой ток в 10-12 раз больше от рабочего. Это значит, что на протяжении нескольких секунд, лампочка будет потреблять не 0.27 А, а 2.7-3.3 А. Для того чтобы компенсировать пусковые токи и используются классы автоматов.

Существуют 3 класса автоматических выключателей:

  1. класс B (превышение пускового тока в 3-5 раз от номинального)
  2. класс C (превышение пускового тока в 5-10 раз от номинального)
  3. класс D (превышение пускового тока в 10-50 раз от номинального)

Самый оптимальный класс для жилых и коммерческих помещений — это C класс.

Отключающая способность — это предельное значение тока короткого замыкания, которое может выдержать автоматический выключатель без потери работоспособности. На нашем рынке распространенны автоматические выключатели с отключающей способностью в 4,5 кА (килоампер). Но в Европе такие автоматы к установке запрещены, там они должны быть минимум в 6 кА. Если посмотреть на практике, то вполне хватает и 4,5 кА, так как в быту ток короткого замыкания редко превышает 1 кА. Если хотите соответствия стандартам, то выбирайте автомат на 6 кА и больше, если хотите по экономней, то автомат на 4,5 кА самое то.

Расчет автоматического выключателя.

Автоматический выключатель можно рассчитывать двумя методами: по силе тока потребителей или по сечению используемой проводки.

Рассмотрим первый способ — расчет автомата по силе тока.

Первым шагом, нужно подсчитать общую мощность, которую нужно повесить на автомат. Для этого суммируем мощность каждого электроприбора. Например, нужно рассчитать автомат на жилую комнату в квартире. В комнате находится компьютер (300 Вт), телевизор (50 Вт), обогреватель (2000 Вт), 3 лампочки (180 Вт) и еще периодически будет включаться пылесос (1500 Вт). Плюсуем все эти мощности и получаем 4030 Вт.

Вторым шагом рассчитываем силу тока по формуле I=P/U
P — общая мощность
U — напряжение в сети

Рассчитываем I=4030/220=18,31 А

Выбираем автомат, округляя значение силы тока в большую сторону. В нашем расчете это автоматический выключатель на 20 А. 

Рассмотрим второй метод — подбор автомата по сечению проводки.

Этот метод намного проще предыдущего, так как не нужно производить никаких расчетов, а значения силы тока брать из таблицы (ПУЭ табл.1.3.4 и 1.3.5.)

Допустимый длительный ток для проводов и кабелей с медными жилами

Сечение токопроводящей жилы, мм2

Ток, А, для проводов, проложенных

открыто

в одной трубе

двух одножильных

трех одножильных

четырех одножильных

одного двухжильного

одного трехжильного

0,5

11

0,75

15

1

17

16

15

14

15

14

1,5

23

19

17

16

18

15

2

26

24

22

20

23

19

2,5

30

27

25

25

25

21

3

34

32

28

26

28

24

4

41

38

35

30

32

27

5

46

42

39

34

37

31

6

50

46

42

40

40

34

8

62

54

51

46

48

43

10

80

70

60

50

55

50


Допустимый длительный ток для проводов и кабелей с алюминиевыми жилами

Сечение токопроводящей жилы, мм2

Ток, А, для проводов, проложенных

открыто

в одной трубе

двух одножильных

трех одножильных

четырех одножильных

одного двухжильного

одного трехжильного

2

21

19

18

15

17

14

2,5

24

20

19

19

19

16

3

27

24

22

21

22

18

4

32

28

28

23

25

21

5

36

32

30

27

28

24

6

39

36

32

30

31

26

8

46

43

40

37

38

32

10

60

50

47

39

42

38

Допустим, у нас двухжильный медный провод с сечением 4 мм.кв. уложенный в стену, смотрим по первой таблице силу тока, она равна 32 А. Но при выборе автоматического выключателя эту силу тока нужно уменьшать до ближайшего нижнего значения, для того чтобы провод не работал на пределе. Получается, что нам нужен автомат на 25 А.

Так же нужно помнить, если нужен автомат на розеточную группу, то брать выше 16 А нет смысла, так как розетки больше 16 А выдержать не могут, они просто начинают гореть. На освещение самый оптимальный на 10 А.

Выбор автомата по мощности нагрузки, сечению кабеля и по току: принципы и формулы для расчетов

Выбор автомата по мощности нагрузки, сечению кабеля и по току: как рассчитать автоматический выключатель

Для организации внутридомового электроснабжения необходимо выделить отдельные цепи, для каждой сделать выбор автомата по мощности нагрузки подключенных потребителей и рассчитать сечение жил проводки.

Правильное определение номинала и класса выключателей обезопасит всю систему от большинства опасных последствий использования электрических приборов.

Автоматические выключатели для бытовых сетей

Электроснабжающие организации осуществляют подключение домов и квартир, выполняя работы по подведению кабеля к распредщиту. Все мероприятия по монтажу разводки в помещении выполняют его владельцы, либо нанятые специалисты. Чтобы подобрать автомат для защиты каждой отдельной цепи необходимо знать его номинал, класс и некоторые другие характеристики.

Основные параметры и классификация

Бытовые автоматы устанавливают на входе в низковольтную электрическую цепь и предназначены они для решения следующих задач:

  • ручное или электронное включение или обесточивание электрической цепи;
  • защита цепи: отключение тока при незначительной длительной перегрузке;
  • защита цепи: мгновенное отключение тока при коротком замыкании.

Каждый выключатель имеет характеристику, выраженную в амперах, которую называют номинальная сила тока (In) или «номинал».

Суть этого значения проще понять, используя коэффициент превышения номинала K = I / In, где I – реальная сила тока:

  • K
  • K > 1.45: отключение произойдет в течение 1 часа.

Эти параметры зафиксированы в п. 8.6.2. ГОСТ Р 50345-2010. Чтобы узнать за какое время произойдет отключение при K>1.45 нужно воспользоваться графиком, отражающим времятоковую характеристику конкретной модели автомата.

При длительном превышении током значения номинала выключателя в 2 раза, размыкание произойдет за период от 8 секунд до 4-х минут. Скорость срабатывания зависит от настройки модели и температуры среды

Также у каждого типа автоматического выключателя определен диапазон тока (Ia), при котором срабатывает механизм мгновенного расцепления:

  • класс «B»: Ia = (3 * In .. 5 * In];
  • класс «C»: Ia = (5 * In .. 10 * In];
  • класс «D»: Ia = (10 * In .. 20 * In].

Устройства типа «B» применяют в основном для линий, которые имеют значительную длину. В жилых и офисных помещениях используют автоматы класса «С», а приборы с маркировкой «D» защищают цепи, где есть оборудование с большим пусковым коэффициентом тока.

Стандартная линейка бытовых автоматов включает в себя устройства с номиналами в 6, 8, 10, 16, 20, 25, 32, 40, 50 и 63 A.

Конструктивное устройство расцепителей

В современном автоматическом выключателе присутствуют два вида расцепителей: тепловой и электромагнитный.

Биметаллический расцепитель имеет форму пластины, созданной из двух токопроводящих металлов с различным тепловым расширением. Такая конструкция при длительном превышении номинала приводит к нагреву детали, ее изгибу и срабатыванию механизма размыкания цепи.

У некоторых автоматов с помощью регулировочного винта можно изменить параметры тока, при котором происходит отключение. Раньше этот прием часто применяли для «точной» настройки устройства, однако эта процедура требует углубленных специализированных знаний и проведения нескольких тестов.

Обратите внимание

Вращением регулировочного винта (выделен красным прямоугольником) против часовой стрелки можно добиться большего времени срабатывания теплового расцепителя

Сейчас на рынке можно найти множество моделей стандартных номиналов от разных производителей, у которых времятоковые характеристики немного отличаются (но при этом соответствуют нормативным требованиям). Поэтому есть возможность подобрать автомат с нужными «заводскими» настройками, что исключает риск неправильной калибровки.

Электромагнитный расцепитель предотвращает перегрев линии в результате короткого замыкания. Он реагирует практически мгновенно, но при этом значение силы тока должно в разы превышать номинал. Конструктивно эта деталь представляет собой соленоид. Сверхток генерирует магнитное поле, которое сдвигает сердечник, размыкающий цепь.

Соблюдение принципов селективности

При наличии разветвленной электрической цепи можно организовать защиту таким образом, чтобы при коротком замыкании произошло отключение только той ветви, на которой возникла аварийная ситуация. Для этого применяют принцип селективности выключателей.

Наглядная схема, показывающая принцип работы системы автоматических выключателей с реализованной функцией селективности (выборочности) срабатывания при возникновении короткого замыкания

Для обеспечения выборочного отключения на нижних ступенях устанавливают автоматы с мгновенной отсечкой, размыкающие цепь за 0.02 – 0.2 секунды. Выключатель, размещенный на вышестоящей ступени, или имеет выдержку по срабатыванию в 0.25 – 0.6 с или выполнен по специальной «селективной» схеме в соответствии со стандартом DIN VDE 0641-21.

Для гарантированного обеспечения выборочного отключения лучше использовать автоматы от одного производителя. Для выключателей единого модельного ряда существуют таблицы селективности, которые указывают возможные комбинации.

Простейшие правила установки

Участок цепи, который необходимо защитить выключателем может быть одно- или трехфазным, иметь нейтраль, а также провод PE («земля»). Поэтому автоматы имеют от 1 до 4 полюсов, к которым подводят токопроводящую жилу. При создании условий для расцепления происходит одновременное отключение всех контактов.

Автоматы в щитке крепят на специально отведенную для этого DIN-рейку. Она обеспечивает компактность и безопасность подключения, а также удобный доступ к выключателю

Автоматы устанавливают следующим образом:

  • однополюсные на фазу;
  • двухполюсные на фазу и нейтраль;
  • трехполюсные на 3 фазы;
  • четырехполюсные на 3 фазы и нейтраль.

При этом запрещено делать следующее:

  • устанавливать однополюсные автоматы на нейтраль;
  • заводить в автомат провод PE;
  • устанавливать вместо одного трехполюсного автомата три однополюсных, если в цепь подключен хотя бы один трехфазный потребитель.

Все эти требования прописаны в ПУЭ и их необходимо соблюдать.

В каждом доме или помещении, к которому подведено электричество, устанавливают вводной автомат. Его номинал определяет поставщик и это значение прописано в договоре на подключение электроэнергии. Предназначение такого выключателя – защита участка от трансформатора до потребителя.

После вводного автомата к линии подключают счетчик (одно- или трехфазный). Если в помещении выполнена разводка на несколько контуров, то каждый из них защищают отдельным выключателем. Их номиналы и классы определяет владелец помещения с учетом существующей проводки или мощности подключаемых приборов.

Счетчик электроэнергии и автоматические выключатели устанавливают в распределительном щите, который отвечает всем требованиям безопасности и легко может быть вписан в интерьер помещения

При выборе места для размещения распределительного щита необходимо помнить, что на свойства теплового расцепителя влияет температура воздуха. Поэтому желательно располагать рейку с автоматами внутри самого помещения.

Расчет необходимого номинала

Основная защитная функция автоматического выключателя распространяется на проводку, поэтому подбор номинала осуществляют по сечению кабеля. При этом вся цепь должна обеспечить штатную работу подключенных к ней приборов. Расчет параметров системы не сложен, но надо учесть много нюансов, чтобы избежать ошибок и возникновения в связи с этим проблем.

Определение суммарной мощности потребителей

Один из главных параметров электрического контура – максимально возможная мощность подключенных к ней потребителей электроэнергии. При расчете этого показателя нельзя просто суммировать паспортные данные устройств.

Активная и номинальная компонента

Для любого прибора, работающего от электричества, производитель обязан указать активную мощность (P). Эта величина определяет количество энергии, которая будет безвозвратно преобразована в результате работы аппарата и за которую пользователь будет платить по счетчику.

Но для приборов с наличием конденсаторов или катушки индуктивности есть еще одна мощность с ненулевым значением, которую называют реактивной (Q). Она доходит до устройства и практически мгновенно возвращается обратно.

Реактивная компонента не участвует при подсчете использованной электроэнергии, но совместно с активной формирует так называемую «полную» или «номинальную» мощность (S), которая дает нагрузку на цепь.

cos(f) – параметр, с помощью которого можно определить полную (номинальную мощность) по активной (потребляемой). Если он не равен единице, то его указывают в технической документации к электроприбору

Считать вклад отдельного устройства в общую нагрузку на токопроводящие жилы и автомат необходимо по его полной мощности S = P / cos(f).

Повышенные стартовые токи

Следующей особенностью некоторых типов бытовой техники является наличие трансформаторов, электродвигателей или компрессоров. Такие устройства при начале работы потребляют пусковой (стартовый) ток. Его значение может в несколько раз превышать стандартные показатели, но время работы на повышенной мощности невелико и обычно составляет от 0.1 до 3 секунд.

Такой кратковременный всплеск не приведет к срабатыванию теплового расцепителя, но вот электромагнитный компонент выключателя, отвечающий за сверхток короткого замыкания, может среагировать.

Важно

Особенно эта ситуация актуальна для выделенных линий, к которым подключают оборудование типа деревообрабатывающих станков.

В этом случае нужно посчитать ампераж и, возможно, имеет смысл использовать автомат класса «D».

Учет коэффициента спроса

Для цепей, к которым подключено большое количество оборудования и отсутствует устройство, которое потребляет наибольшую часть тока, используют коэффициент спроса (ks). Смысл его применения заключается в том, что все приборы не будут работать одновременно, поэтому суммирование номинальных мощностей приведет к завышенному показателю.

Коэффициент спроса на группы электропотребителей установлен в п. 7 СП 256.1325800.2016. На эти показатели можно опираться и при самостоятельном расчете максимальной мощности

Этот коэффициент может принимать значение равное или меньшее единице. Вычисления расчетной мощности (Pr) каждого прибора происходит по формуле:

Pr = ks * S

Суммарную расчетную мощность всех приборов применяют для вычисления параметров цепи. Использование коэффициента спроса целесообразно для офисных и небольших торговых помещений с большим числом компьютеров, оргтехники и другой аппаратуры, запитанной от одного контура.

Для линий с незначительным количеством потребителей этот коэффициент не применяют в чистом виде.

Из подсчета мощности убирают те устройства, чье включение одновременно с более энергозатратными приборами маловероятно. Так, например, мало шансов на единовременную работу в жилой комнате с утюгом и пылесосом.

А для мастерских с небольшим числом персонала в расчет берут только 2-4 наиболее мощных электроинструмента.

Вычисление силы тока

Выбор автомата производят по максимальному значению силы тока, допустимому на участке цепи. Необходимо получить этот показатель, зная суммарную мощность электропотребителей и напряжение в сети.

Согласно ГОСТ 29322-2014 с октября 2015 года значение напряжения должно быть равным 230 В для обыкновенной сети и 400 В – для трехфазной. Однако, в большинстве случаев, до сих пор действуют старые параметры: 220 и 380 В соответственно. Поэтому для точности расчетов необходимо провести замеры с применением вольтметра.

Измерить напряжение в домашней сети можно с помощью вольтметра или мультиметра.

Для этого достаточно воткнуть его контакты в розетку

Еще одной проблемой, особенно актуальной в частном секторе, является предоставление электроснабжения с недостаточным напряжением.

Замеры на таких проблемных объектах могут показывать значения, выходящие за определенный ГОСТом диапазон. Более того, в зависимости от уровня потребления соседями электричества, значение напряжения может сильно меняться в течение короткого времени.

Это создает проблему не только для функционирования приборов, но и для расчета силы тока. При падении напряжения некоторые устройства просто теряют в мощности, а некоторые, у которых присутствует входной стабилизатор, увеличивают потребление электричества.

Качественно провести расчеты необходимых параметров цепи в таких условиях сложно. Поэтому либо придется прокладывать кабеля с заведомо большим сечением (что дорого), либо решать проблему через установку входного стабилизатора или подключение дома к другой линии.

Стабилизатор устанавливают рядом с распределительным щитом. Часто бывает, что это единственный способ получить нормативные значения напряжения в доме

После того как была найдена общая мощность электроприборов (S) и выяснено значение напряжения (U), расчет силы тока (I) проводят по формулам, являющихся следствием закона Ома:

If = S / Uf  для однофазной сети

Il = S / (1.73 * Ul) для трехфазной сети

Здесь индекс «f» означает фазные параметры, а «l» – линейные.

Большинство трехфазных устройств используют тип подключения «звезда», а также именно по этой схеме функционирует трансформатор, выдающий ток для потребителя. При симметричной нагрузке линейная и фазная сила будут идентичны (Il = If), а напряжение рассчитывают по формуле:

Ul = 1.73 * Uf

Нюансы подбора сечения кабеля

Качество и параметры проводов и кабелей регулирует ГОСТ 31996-2012. По этому документу для выпускаемой продукции разрабатывают ТУ, где допускается некоторый диапазон значений базовых характеристик. Изготовитель обязан предоставить таблицу соответствия сечения жил и максимальной безопасной силы тока.

Максимально допустимая сила тока зависит от сечения жил проводов и способа монтажа.

Они могут быть проложены скрытым (в стене) или открытым (в трубе или коробе) способом

Выбирать кабель необходимо так, чтобы обеспечить безопасное протекание тока, соответствующего расчетной суммарной мощности электроприборов.

Совет

Согласно ПУЭ (правила устройства электроустановок) минимальное сечение проводов, используемых в жилых помещениях, должно быть не менее 1,5 мм2. Стандартные размеры имеют следующие значения: 1,5; 2,5; 4; 6 и 10 мм2.

Иногда есть резон использовать провода с сечением на шаг больше, чем минимально допустимое. В этом случае существует возможность подключения дополнительных приборов или замена уже существующих на более мощные без дорогостоящих и длительных работ по прокладке новых кабелей.

Расчет параметров автомата

Для любой цепи должно быть выполнено следующее неравенство:

In

Источник: http://sovet-ingenera.com/elektrika/uzo-schet/vybor-avtomata-po-moshhnosti-nagruzki.html

Расчёт автомата по мощности: предназначение устройства, принцип работы, подбор номинала по таблице

При проведении электромонтажных работ основным критерием всегда должна выступать безопасность. Ведь от этого зависит очень многое, вплоть до жизни и здоровья человека.

И совершенно не имеет значения причина подобного мероприятия. В любом случае необходимо правильно подобрать защитные устройства.

Именно в связи с этим придётся провести расчёт автомата по мощности, учитывая некоторые важные нюансы.

Каждому, кто сталкивался с электропроводкой, приходилось слышать об автоматических выключателях или автоматах. В первую очередь грамотный электрик всегда посоветует отнестись к выбору столь важной части электросети с особой щепетильностью. Так как впоследствии именно этот нехитрый прибор может избавить от многих неприятностей.

Совершенно неважно, какого рода проводятся электромонтажные работы — ложится ли новая проводка в только что построенном доме, заменяется старая, модернизируется щиток или прокладывается отдельная ветка для слишком энергоёмких приборов — в любом случае особое внимание необходимо уделить подбору автомата по мощности и прочим параметрам.

Предназначение устройства

Любой современный автомат имеет две степени защиты. Это означает, что помочь он сможет в двух, наиболее распространённых ситуациях.

  1. Первая, подразумевает перегрев проводки в результате прохождения по ней токов, больше номинальных. К чему это может привести, догадаться несложно: перегорание кабеля, а в итоге короткое замыкание или вообще возгорание.
  2. Вторая ситуация, предотвратить которую способен автоматический выключатель, это короткое замыкание, вследствие которого сила тока в цепи может увеличиваться на огромные значения, а это чревато в лучшем случае выходом из строя всего электрооборудования. В худшем — возгоранием электротехники, а от неё и всего помещения. Говорить же о целостности проводки и вовсе не приходится.

Таким образом, автомат способен защитить не только личное имущество, но в некоторых случаях и жизнь. Хотя для этого необходимо провести грамотный расчёт автоматического выключателя по мощности и ряду других параметров. А также не стоит брать автомат «с запасом», так как при критических значениях токов в сети он банально может не сработать, что равнозначно его отсутствию.

Принцип работы

Основной задачей защитного выключателя является отсечение подачи электрического тока от подающего кабеля в сеть потребителя. Происходит это благодаря расцепителям, находящимся в теле автомата. Причём существуют два вида таких частей:

  1. Электромагнитные, представляющие собой катушку, пружину и сердечник, который при превышении номинальных токов втягивается и через пружину разъединяет контакты. Происходит это практически мгновенно — от 0,01 до 0,001 секунды, что способно обеспечить надёжную защиту.
  2. Биметаллические тепловые — срабатывают при прохождении токов, превышающих предельные значения. При этом биметаллическая пластина, являющаяся основой такого расцепителя, изгибается и происходит разрыв контактов.

Виды АВ и их особенности

Учитывая разнообразие электросетей и определённых ситуаций, автоматы могут быть разных видов. Принцип их работы ничем существенным не отличается — срабатывают всё те же расцепители, но в зависимости от ситуации и ряда других нюансов используют разные их вариации.

Так, для стандартной однофазной сети напряжением 220 вольт выпускаются однополюсные и двухполюсные АВ. Первые способны разрывать лишь один провод — фазу. Вторые могут работать и с фазой, и с нулём. Безусловно, предпочтительнее использовать второй вариант.

Особенно, если дело касается помещений с повышенной влажностью. Конечно, и однополюсный автомат вполне справится со своей задачей, но могут возникнуть ситуации, когда перегоревшие провода замкнут между собой.

Обратите внимание

В таком случае, естественно, фаза будет отсечена, но вот нулевой провод окажется под напряжением, что может быть крайне опасно.

Для трёхфазных сетей напряжением 380 вольт используются трёх- или четерёхполюсные автоматы. Устанавливать их необходимо и на входе, и непосредственно перед потребителем. Как понятно, такие автоматы отсекают все три фазы, подключённые к ним. В редких случаях возможно использование одно- или двухполюсных защитных устройства для отсекания, соответственно, одной или двух фаз.

Выбор защитного устройства

Конечно, любой автомат превосходно справится с возложенными на него задачами — это не вызывает сомнения, если он исправен. Но дело в том, что подбирать АВ необходимо с учётом нескольких параметров.

Если выбранный автомат слишком «слабый», то будут происходить постоянные ложные срабатывания. И наоборот, слишком «сильная» модель, будет иметь довольно сомнительную полезность.

Мощность нагрузки

Одной из возможностей подобрать защитное устройство является выбор автомата по мощности нагрузки. Для этого необходимо узнать значение тока нагрузки. И уже из этих данных выбирать соответствующий номинал. Проще всего (да и точнее) это сделать с помощью закона Ома по формуле:

I=P/U,

где P — мощность потребителя (холодильник, микроволновая печь, стиральная машина и т. п. ), а U — напряжение сети.

Для примера потребитель будет взят 1,5 кВт, а напряжение сети обычное 220 В. Имея эти данные, подставив их в формулу, получится:

I = 1500/220 = 6,8 А.

В случае с трёхфазной сетью 380 вольт, напряжение будет 380 В.

Существует и ещё одна формула для выбора автоматического выключателя по току, но она немного сложнее, но и конечный результат будет куда более точен. На практике это не принципиально, но в ознакомительных целях всё же стоит её привести:

I=P/U*cos φ.

Значения I, P, U будут теми же, что и в законе Ома, а вот cos φ — это коэффициент мощности, который учитывает в нагрузке реактивную составляющую. Это значение помогает определить таблица 6.12 нормативного документа СП 31−110−2003 «Проектирование и монтаж электроустановок жилых и общественных зданий».

Для примера данные будут использованы те же, т. е. потребитель 1,5 кВт, а напряжение всё те же 220 В. Согласно таблице, cos φ будет равен 0,65, как для вычислительных машин. Следовательно:

I = 1500 Вт/220 В * 0,65 = 4,43 А.

Сечение кабеля

Выбирать автомат лишь по мощности нагрузки будет непростительной ошибкой, которая может дорого стоить. Ведь если не учесть при этом сечение кабеля, то теряется всякий смысл в подборе автомата. Однако полученные значения нагрузки и номинал АВ смогут помочь в подборе необходимого кабеля.

Для этого не понадобится делать никаких расчётов, так как достаточно воспользоваться таблицей № 1.3.6 и 1.3.7 ПУЭ, где понятие длительно допустимый ток означает проходящее длительное время по проводнику напряжение, не вызывающее чрезмерного его нагрева. Проще говоря, за это значение можно принять рассчитанную мощность нагрузки. И получить требуемое сечение медного или алюминиевого провода.

По току короткого замыкания

Чтобы выбрать автоматический выключатель по мощности хотя и понадобились некоторые расчёты, но они были крайне просты. Этого совсем нельзя сказать о расчётах при выборе автомата по токам короткого замыкания.

Но при подборе номинала АВ для дома, коттеджа, квартиры или офиса, подобные расчёты будут излишни, так как основной показатель, особенно влияющий на данные, это длинна проводника. Но в подобных ситуациях она крайне мала, чтобы существенно повлиять на результат. Поэтому такие расчёты проводят лишь при проектировании подстанций и других подобных сооружений, где длина кабелей значительная.

Подбор номинала

Выбор номинала автоматического выключателя должен соответствовать определённым требованиям. А конкретнее, автомат обязан сработать прежде, чем токи смогут превысить допустимые значения проводки. Из этого следует, что номинал автомата должен быть чуть меньше, нежели сила тока, которую способна выдержать проводка.

Выбрать нужный АВ довольно просто. Тем более что существует таблица номиналов автоматов по току, а это значительно упрощает задачу.

Исходя из всего этого, можно составить алгоритм, по которому проще всего подобрать автомат нужного номинала:

  • Для отдельно взятого участка вычисляется сечение и материал провода.
  • Из таблицы берётся значение максимального тока, который способен выдержать кабель.
  • Остаётся с помощью таблицы лишь выбрать автомат со значением чуть меньшим длительно допустимого тока.

Таблица содержит пять номиналов АВ 16 А, 25 А, 32 А, 40 А, 63 А, из которых и будет выбираться защитное устройство. Автоматы же меньших значений практически не используются, так как нагрузки современных потребителей просто не позволят этого сделать. Таким образом, имея необходимы значения, очень легко выбрать автомат, соответствующий конкретно взятому случаю.

Источник: https://220v.guru/elementy-elektriki/avtomaty/raschet-avtomata-po-moschnosti-i-drugim-parametram.html

Расчет автомата по мощности 380

Источник: https://electric-220.ru/news/raschet_avtomata_po_moshhnosti_380/2018-09-26-1575

Расчет сечения кабеля, автоматов защиты

Расчет электрических сетей

Вступление

В электрике любого помещения важное значение имеет правильный расчет сечения кабеля, автоматов защиты.

Зависит расчет от электропотребителей, которые будут работать в электросети и как следствие от планируемой нагрузки в сети.

Как правильно рассчитать нагрузку и номинальные значения тока нагрузки в электрической сети и по результатам выбрать сечение кабеля и автоматы защиты пойдет речь в этой статье.

Нагрузка электросети

Любая электропроводка разделена на так называемые группы. Электропроводка каждой группы выполняется электрическим кабелем определенного сечения и защищается автоматом защиты с заранее рассчитанным номиналом. Для того чтобы выбрать сечение кабеля и номинал автомата защиты необходимо рассчитать предполагаемую нагрузку этой электросети.

При расчете нагрузки электросети нужно помнить, что расчет токовой нагрузки (величина силы тока в сети, при работе электроприбора) отдельного бытового прибора (потребителя) и группы из нескольких потребителей отличаются друг от друга.

Кроме этого расчет нагрузки при однофазном электропитании (220 вольт) отличается от расчета трехфазного электропитания (380 вольт). Начнем разбирать расчет нагрузки электросети в однофазной сети с рабочим напряжением 220 Вольт.

Расчет токовой нагрузки и выбор автомата защиты в однофазной электросети,220 вольт для одиночного потребителя

Расчет электросети для одного бытового прибора достаточно прост. Для этого нужно вспомнить основной закон электротехники (закон Ома), посмотреть в паспорте на прибор его потребляемую мощность и рассчитать токовую нагрузку.

Приведу пример:

  • Бытовая электроплита на 220 вольт. Потребляемая мощность 5000 ватт (5 КВатт).
  • Ток нагрузки можно рассчитать по закону Ома.
  • Iнагрузки=5000Вт÷220 вольт=22,7 Ампера.

Вывод: На линию для электропитания этой электроплиты нужно установить автомат защиты не менее 23 Ампер. Таких автоматов в продаже нет, поэтому выбираем автомат с большим ближайшим номиналом в 25 Ампер.

Расчет токовой нагрузки и выбор автомата защиты в однофазной электросети,220 вольт для группы электропроводки

Под группой электропроводки понимается несколько потребителей подключенных параллельно к одному питающему кабелю от электрощитка. Для группы электропроводки устанавливается общий автомат защиты. Автомат защиты устанавливается в квартирном электрощитке или этажном щитке. Расчет сети группы потребителей отличается от расчета сети одиночного потребителя.

Для расчета токовой нагрузки группы потребителей вводится так называемый коэффициент спроса. Коэффициент спроса (Кс) определяет вероятность одновременного включения всех потребителей в группе в течение длительного промежутка времени. Кс=1 соответствует одновременной работе всех электроприборов группы.

Понятно, что включение и работа всех электроприборов в квартире практически не бывает. Есть целые системы расчета коэффициента спроса для домов, подьездов. Для каждой квартиры коэффициент спроса различается для отдельных комнат, отдельных потребителей и даже для различного стиля жизни жильцов.

Например, коэффициент спроса для телевизора обычно равен 1,а коэффициент спроса пылесоса равен 0,1.

Поэтому для расчета токовой нагрузки и выбора автомата защиты в группе электропроводки коэффициент спроса влияет на результат. Расчетная мощность группы электропроводки рассчитывается по формуле:

  • P(расчетная)=К(спроса)×P(мощность установочная).
  • I (ток нагрузки)=Р (мощность расчетная)÷220 вольт.

Пример: В таблице ниже рассмотрим электроприборы, входящие в одну группу. Рассчитаем токовую нагрузку для этой группы и выберем автомат защиты с учетом коэффициента спроса.Коэффицмент спроса в примере выбирается индивидуально:

Содержание:

Расчеты электропроводки выполняются еще на стадии проектирования. Прежде всего рассчитывается сила тока в цепях, исходя из этого подбираются автоматические защитные устройства, сечение проводов и кабелей. Особое значение имеет расчет автомата по мощности 380, защищающий от перегрузок и коротких замыканий.

Слишком большой номинал может привести к выходу из строя оборудования, поскольку устройство не успеет сработать. Низкий номинальный ток автомата приведет к тому, что защита будет срабатывать даже при незначительных перегрузках в часы пик. Правильно выполненные расчеты помогут выбрать наиболее оптимальный вариант для конкретных условий эксплуатации.

Как рассчитать мощность электротока

В соответствии с законом Ома, сила тока (I) находится в прямой пропорции с напряжением (U) и в обратной пропорции с сопротивлением (R). Расчет мощности (Р) осуществляется путем умножения силы тока на напряжение. Таким образом, для участка цепи образуется следующая формула, по которой рассчитывается ток: I = P/U.

С учетом реальных условий, к данной формуле прибавляется еще один компонент и при расчетах однофазной сети получается следующий вид: I = P/(U х cos φ).

Трехфазная сеть рассчитывается немного по-другому. Для этого используется следующая формула: I = P/(1,73 х U х cos φ), в которой напряжение U условно составляет 380 вольт, cos φ является коэффициентом мощности, посредством которого активная и реактивная составляющие сопротивления нагрузки соотносятся между собой.

Важно

Современные блоки питания обладают незначительной реактивной компонентой, поэтому значение cos φ принимается за 0,95. Это не касается трансформаторов и электродвигателей с высокой мощностью, обладающих большим индуктивным сопротивлением.

Расчет сетей, где могут подключаться такие устройства, выполняется с коэффициентом cos φ, эквивалентным 0,8.

В других случаях используется стандартная методика расчетов с последующим применением повышающего коэффициента 1,19, получающегося из соотношения 0,95/0,8.

При использовании в формулах известных параметров напряжения 220 и 380 В, а также коэффициента мощности 0,95, в результате получается сила тока для однофазной сети – I = P/209, а для трехфазной – I = P/624.

Таким образом, при наличии одной и той же нагрузки, сила тока в трехфазной сети будет в три раза ниже. Это связано с наличием трех проводов отдельных фаз, на каждую из которых равномерно распределяется общая нагрузка.

Напряжение между каждой фазой и рабочим нулем составляет 220 вольт, поэтому известная формула может выглядеть следующим образом: I = P/(3 х 220 х cos φ).

Выбор автомата по номинальному току

Рассмотренные формулы широко применяются в расчетах вводного автоматического выключателя. Применяя одну из них – I = P/209 при нагрузке Р в 1 кВт, получается сила тока для однофазной сети 1000 Вт/209 = 4,78 А. Результат можно округлить в большую сторону до 5 А, поскольку реальное напряжение в сети не всегда соответствует 220 В.

Таким образом, получилась сила тока в 5 А на 1 кВт нагрузки. То есть, устройство мощностью более 1 кВт нельзя подключать, например, в удлинитель с маркировкой 5 А, поскольку он не рассчитан на более высокие токи.

Автоматические выключатели обладают собственным номиналом по току. Исходя из этого, легко определить нагрузку, которую они способны выдержать. Для упрощения вычислений существует таблица.

Автомат номиналом 6 А соответствует мощности 1,2 кВт, 8 А – 1,6 кВт, 10 А – 2 кВт, 16 А – 3,2 кВт, 20 А – 4 кВт, 25 А – 5 кВт, 32 А – 6,4 кВт, 40 А – 8 кВт, 50 А – 10 кВт, 63 А – 12,6 кВт, 80 А – 16 кВт, 100 А – 20 кВт.

Исходя из этих же номиналов проводятся расчеты автомата по мощности на 380в.

Совет

Метод 5 А на 1 кВт может использоваться и для определения силы тока, возникающей в сети, когда в нее подключаются какие-либо бытовые приборы и оборудование.

В расчетах нужно пользоваться максимальной потребляемой мощностью во время пиковых нагрузок. Для этого применяются технические характеристики оборудования, взятые из паспортных данных.

При их отсутствии можно взять ориентировочные параметры стандартных электроприборов.

Отдельно рассчитывается группа освещения. Как правило, мощность приборов освещения оценивается в пределах 1,5-2 кВт, поэтому для них будет достаточно отдельного автомата номиналом 10 А.

Если сложить все имеющиеся мощности, получается довольно высокий суммарный показатель.

Однако на практике полная мощность никогда не используется, поскольку существуют ограничения на выделяемую электрическую мощность для каждой квартиры.

В современном жилом доме, при наличии электроплит, она составляет от 10 до 12 кВт. Поэтому на вводе устанавливается автомат с номинальным током 50 А. Точно так же выполняется расчет мощности трехфазных автоматов.

Полученные 12 кВт распределяются по всей квартире с учетом размещения мощных и обычных потребителей.

Обратите внимание

Особое внимание следует обратить на кухню и ванную комнату, где устанавливаются электроплиты, водонагреватели, стиральные машины и другое энергоемкое оборудование.

Как правило, они подводятся к отдельным автоматическим выключателям соответствующего номинала, а сечение кабелей для подключения также рассчитывается в индивидуальном порядке.

Мощные бытовые агрегаты подключаются не только к автоматам, но и к устройствам защитного отключения. Часть общей мощности следует оставить для освещения и розеток, установленных в помещениях. Правильно выполненные расчеты позволят качественно смонтировать проводку и выбрать нужный выключатель. В этом случае эксплуатация оборудования будет безопасной и долговечной.

Расчет мощности онлайн-калькулятором

В первую очередь необходимо ввести исходные данные в соответствующие графы. На калькуляторе эти показатели включают количество фаз, напряжение сети и мощность нагрузки. Первые два пункта известны заранее, а вычисления мощности приборов и оборудования осуществляются вручную.

Напряжение для однофазной сети выставляется 220 вольт, для трехфазной – 380 В и выше. После ввода параметров остается лишь нажать на кнопку «Рассчитать» и получить требуемый результат. В соответствующем окне появятся данные о номинальном токе автоматического выключателя, наиболее подходящего для данной сети.

Электроприборы МощностьР, Вт Коэффициент спросаКс
Освещение 480 0,7
Радиоприемник 75
Телевизор 160 1
Холодильник 150 1
Стиральная машина 380
Утюг 1000
Пылесос 400
Другие 700 0,3
Итого: 3345, Вт
  • Расчетная Мощность в сети расчитавается следующим образом:
  • 480×0,7+75+160+150+380+1000+400+700×0,3=2711,ВТ
  • К(спроса) квартиры=2711÷3345=0,8
  • Ток нагрузки:
  • 3345÷220×0,8=12Ампер.
  • Соответственно выбираем автомат защиты на шаг больше:16Ампер.

В общих, а не индивидуальных расчетах, для жилых помещений, коэффициент спроса принимается в зависимости от количества потребителей, таблица ниже: 

Количество приемников в помещении 2 3 5-200
К(коэффициент спроса)помещения 0,8 0,75 0,7

Теперь опредилемся,как выбрать сечения кабеля для электропроводки

По приведенным выше формулам можно рассчитать мощность электросети и значение рабочего тока в сети. Остаяется по полученным значениям выбрать сечение электрического кабеля, который можно использовать для рассчитываемой проводки в квартире.

Это совсем просто. В настольной книги электрика, ПУЭ-правила устройства электрустановок, все сделано за нас.

По таблице ниже ищете значение расчитаного тока нагрузки или расчетную мощность сети и выбираете сечение электрического кабеля.

Важно

Таблица приводится для медных жил кабелей или проще, медного кабеля ,потому что использование аллюминевых кабелей в электропроводке жилых помещений запрещено.(читайте ПУЭ изд.7) 

Проложенные открыто
Сечение жил кабеля Медные жилы
мм2 Ток нагрузки Мощн.кВт
А 220 В 380 В
0,5 11 2,4
0,75 15 3,3
1 17 3,7 6,4
1,5 23 5 8,7
2 26 5,7 9,8
2,5 30 6,6 11
4 41 9 15
5 50 11 19
10 80 17 30
16 100 22 38
25 140 30 53
35 170 37 64
Проложенные в трубе
Сечение жил кабеля Медные жилы
мм2 Ток накрузки Мощн.кВт
А 220 В 380 В
0,5
0,75
1 14 3 5,3
1,5 15 3,3 5,7
2 19 4,1 7,2
2,5 21 4,6 7,9
4 27 5,9 10
5 34 7,4 12
10 50 11 19
16 80 17 30
25 100 22 38
35 135 29 51

Две расчетные таблицы для расчета и правильного выбора сечения кабеля и автоматов защиты 

Номенклатура мощностей электробытовых приборов и машин для расчета в электросетях жилых помещений

из нормативов для определения расчетных электрических нагрузок зданий (квартир), коттеджей, микрорайонов (кварталов) застройки и элементов городской распределительной сети

NN пп Наименование Установленная мощность, Вт
1 Осветительные приборы 1800-3700
2 Телевизоры 120-140
3 Радио и пр. аппаратура 70-100
4 Холодильники 165-300
5 Морозильники 140
6 Стиральные машины без подогрева воды 600
с подогревом воды 2000-2500
7 Джакузи 2000-2500
8 Электропылесосы 650-1400
9 Электроутюги 900-1700
10 Электрочайники 1850-2000
11 Посудомоечная машина с подогревом воды 2200-2500
12 Электрокофеварки 650-1000
13 Электромясорубки 1100
14 Соковыжималки 200-300
15 Тостеры 650-1050
16 Миксеры 250-400
17 Электрофены 400-1600
18 СВЧ 900-1300
19 Надплитные фильтры 250
20 Вентиляторы 1000-2000
21 Печи-гриль 650-1350
22 Стационарные электрические плиты 8500-10500
23 Электрические сауны 12000

ТАБЛИЦА2.

2. ИСХОДНЫЕ ДАННЫЕ для расчетов электрических нагрузок жилых зданий (квартир) и коттеджей на перспективу 

1. Средняя площадь квартиры (общая), м:
— типовых зданий массовой застройки — 70
— здания с квартирами повышенной комфортности (элитные) по индивидуальным проектам — 150
2. Площадь (общая) коттеджа, м — 150-600
3. Средняя семья — 3,1 чел.
4. Установленная мощность, кВт:
— квартир с газовыми плитами — 21,4
— квартир с электрическими плитами в типовых зданиях — 32,6
— квартир с электрическими плитами в элитных зданиях — 39,6
— коттеджей с газовыми плитами -35,7
— коттеджей с газовыми плитами и электрическими саунами -48,7
— коттеджей с электрическими плитами — 47,9
— коттеджей с электрическими плитами и электрическими саунами — 59,9

©Elesant.ru

Еще статьи

  • Назад на главную

Источник: https://elesant.ru/raschet-elektricheskikh-setey/raschet-secheniya-kabelya-avtomatov-zashchity

Расчет мощности автомата с учетом нагрузки на проводку

Во многих жилых домах, построенных более 20 лет назад, имеются проблемы с электрической проводкой, так как добавляется все новая и новая бытовая техника, с высокими требованиями к качеству сети и с иными показателями мощности. Одна из проблем – несоответствие силы тока сечению проводки.

Всем знакомо короткое замыкание или прострел витка. Дабы избежать подобного, одной замены кабелей вовсе не достаточно, нужно устанавливать защитные автоматы, позволяющие избежать утечки напряжения.

Полезно будет узнать, как подобрать дифференциальный автомат или обычный автомат (автоматический выключатель) в свою квартиру в зависимости от нагрузки.

Отличия защитных устройств

Следует различать аппарат в виде дифавтомата и устройство защитного отключения. На первый взгляд особой видимой разницы в нет, но это не так.

УЗО служит для обесточивания сети при выявлении малейшей утечки в цепи. Например, при повреждении электрического кабеля, чтобы не травмировать человека, цепь будет отключена.

Дифавтомат, помимо УЗО, оснащен встроенным выключателем автоматического типа. Он служит для обесточивания системы, предотвращения короткого замыкания, перегрузки цепи, в общем. Одним словом, это два в одном.

Обычный автоматический выключатель (автомат) защищает цепь от перегрузки, но он не может создать безопасные условия для человека. Поэтому в современных строениях устанавливают либо дифавтоматы, либо УЗО и автоматы совместно.

Подбор любого защитного устройства зависит от характеристик сети. В первую очередь от нагрузки, подключенной к ней. Поэтому важно знать, как рассчитать мощность автомата по нагрузке.

Плюсы и минусы

Преимуществом дифавтомата в его компактности, многофункциональности, 100% защита цепи от внезапных перегрузок или иной опасности.

Ну а главный «козырь» — стоимость, которая ниже, нежели суммарная стоимость УЗО и выключателя автоматического типа. Если учитывать единичный случай, то разница не слишком ощутима, но при покупке на весь дом выгода существенная.

Впрочем, многое зависит от марки изделия. Монтаж занимает мало времени, на рейке дифавтомат также помещается довольно компактно.

Совет

Есть и свои недостатки у дифавтоматов. При выходе со строя придётся приобретать изделие в комплекте, а не по отдельности. Возникновение короткого замыкания приведёт к трудностям в поиске его причины. При разделенной установке идентификация намного проще: выключился УЗО – утечка, автомат – короткое замыкание.

Какой выбрать вид защитного устройства, вопрос не из лёгких. Как делают многие электрики: если речь идёт о небольшой квартире, тогда используйте дифавтомат.

Каковы критерии отбора оборудования

Если всё-таки отдали предпочтение дифавтомату, как продукту современных технологий, внимательно выбирайте изделие. Тщательным образом ознакомьтесь с его техническими данными. При выборе автомата по мощности нагрузки, обращают внимание на следующее:

  • напряжение и фазы: изделия по номинальному однофазному и трёхфазному типу, 220В и 360 В, соответственно. В первом вариант одна клемма, во втором – три для подключения. Все показатели указываются в паспорте на оборудование и маркируются на внешней стороне корпуса;
  • сила тока утечки: обозначается греческим символом «дельта» и исчисляется в миллиамперах. Корректно подобрать можно, основываясь на такие данные: на дом в целом – до 350 мА, на конкретную группу – 30 мА, точки и освещение – 30мА, одиночные точки – 15мА, бойлер – 10мА;
  • класс оборудования: А – сработка в результате утечки постоянного напряжения. АС – при утечке переменного тока;
  • защита от порыва «ноля»: при обнаружении подобного, система идентифицирует это как порыв и отключает оборудование;
  • время отключения: обозначается символом Tn и не должно превышать 0,3 секунды.

Для бытовых нужд наиболее распространёнными являются приборы с маркировкой «C» и диапазоном 25А. Монтаж вводных конструкций требует более мощных в виде C50, 65, 85, 95. Розетки и прочие точки – C15, 25.

Приборы освещения – C7, 12, электрическая плита – C40. Можно сказать, что это временная характеристика максимальной кратковременной мощности тока, которую может выдержать автомат и не сработать.

«C» означает, что автомат срабатывает при превышении номинального тока в 5-10 раз.

Вычисление показателей

Расчет мощности при выборе автомата проводится так. Например, все монтажные работы выполнены электрическим кабелем с сечением 3,0 и максимальной силой 25А. Общая мощность приборов равна: микроволновая печь 1,5 kW, электрочайник 2,1 kW, холодильник 0.7 kW, телевизор 0.5 kW. Суммарная мощность получается равной 4,7 kW или же 4.7 * 1000 W.

Чтобы мощность в каждой цепи было проще рассчитать, нагрузку разделяют на группы. Оборудование наибольшей мощности подключают отдельно. Не стоит пренебрегать нагрузкой малой мощности, поскольку при расчетах в сумме может получиться существенный результат.

Для вычисления используем формулу: мощность / напряжение. Итого 21,3 А. Потребуется УЗО или дифавтомат с граничным потреблением 25А, не более. Если количество потребителей более двух, то суммарную мощность следует умножать на 0,7, для корректировки данных. При нагрузке три и более – на 1,0.

Понижающие коэффициенты для некоторых приборов:

  • холодильное оборудование от 0,7 до 0,9, в зависимости от характеристик мотора;
  • подъёмные устройства и лифты 0,7;
  • оргтехника 0,6;
  • люминесцентные лампы 0,95;
  • лампы накаливания 1,1;
  • тип ламп ДРЛ 0,95;
  • неоновые газовые установки 0,4.

Понижение мощности обусловлено тем, что не все приборы могут быть включены одновременно.

По значению рабочего тока нагрузки подбирается автомат. Номинал автомата должен быть чуть меньше рассчитанного значения тока, но допускается выбирать и немного большие значения.

Значение тока при выборе сечения кабеля

Соответствие тока сечению жил кабеля можно проверить по таблице

Сводные характеристики для однофазного автомата:

  • сила 17А – показатель мощности до 3,0 кВт – ток 1,6 – сечение 2,4;
  • 26А – до 5,0 – 25,0 – 2,6;
  • 33А – 5,9 – 32,0 – 4,1;
  • 42А – 7,4 – 40,0 – 6,2;
  • 51А – 9,2– 48,4 – 9,8;
  • 64А – 12,1 – 62,0 – 16,2;
  • 81А – 14,4 – 79,0 – 25,4;
  • 101А – 18,3 – 97,0 – 35,2;
  • 127А – 22,4 – 120,0 – 50,2;
  • 165А – 30,0 – 154,0 – 70,1;
  • 202А – 35,4 – 185,0 – 79,2;
  • 255А – 45,7 – 240,0 – 120,0;
  • 310А – 55,4 – 296,0 – 186,2.

Можно также воспользоваться специальным графиком, по которому определяется номинальный ток автомата в зависимости от мощности нагрузки.

Нужное сечение кабеля подбирается исходя из суммарной мощности тока, проходящего через провод, рассчитать её поможет формула, схема расчета такова:

I = P/U,

где сила тока = суммарный показатель мощности разделён на напряжение в цепи. В большинстве случаев электрики используют именно эту формулу.

Более точная формула расчета мощности P=I*U*cos φ, где φ – угол между векторами тока, проходящего через автомат, и напряжения (не стоит забывать, что они могут быть переменными). Но поскольку в бытовых устройствах, работающих от однофазной сети, сдвига фазы между током и напряжением практически нет, то применяют упрощенную формулу мощности.

Если сеть трехфазная, то может наблюдаться существенный сдвиг фаз. В этом случае при расчетах мощность уменьшается, а получившийся ток надо делить на 3.

Так, для прибора мощность 6,5 кВт:

I = 6500/380/0,6=28,5

28,5/3=9,5 А

На электроприборах часто делают маркировку или прикрепляют табличку, с указанием этого параметра и значения мощности. Это позволяет быстро произвести расчеты. В трехфазной сети для нагрузки большой мощности применяют автоматы типа D.

Предыдущая новость Следующая новость

Источник: https://EvoSnab.ru/oborudovanie/avtomatika/raschet-moshhnosti-avtomata-po-nagruzke

Выбор автоматов защиты и предохранителей для ПЧ

Предохранители и автоматические выключатели — обязательные элементы защиты, устанавливаемые на входе преобразователя частоты. Эти устройства используются для оперативного либо аварийного отключения ПЧ.

Оперативное отключение ПЧ

Как любое другое устройство, преобразователи частоты иногда необходимо полностью отключать от питающей сети, например, при техобслуживании и ремонте. В данном случае автоматы и предохранители выполняют роль рубильника для снятия питания.

Аварийное отключение ПЧ

В этом случае не всё так просто. С одной стороны, вводной автомат перед ПЧ должен обеспечить максимальную защиту от перегрузки и короткого замыкания, с другой – исключить возможность ложных срабатываний. При этом важным критерием является не только ток, но и время срабатывания, поскольку преобразователь содержит полупроводниковые силовые элементы, которым для выхода из строя достаточно пол-периода превышения максимального тока.

Рассмотрим основные виды предохранителей.

Полупроводниковые предохранители

Производители рекомендуют устанавливать быстродействующие полупроводниковые предохранители. Однако минусом такого решения является высокая цена. Впрочем, при использовании дорогостоящих частотных преобразователей и необходимости минимизации простоев это решение применяется довольно часто.

Плавкие предохранители

Другой вариант – использование быстродействующих плавких предохранителей типа gG.

Плавкие вставки типа gG обладают высокой способностью к ограничению тока перегрузки и КЗ. Правильный выбор номинала плавкой вставки гарантирует полное восстановление работы оборудования после короткого замыкания. Разумеется, предохранители придётся заменить, однако, их стоимость несоизмеримо мала со стоимостью оборудования.

Автоматические выключатели

Большинство производителей допускают применение автоматических выключателей с тепловым (защита от перегрузки) и электромагнитным (защита от короткого замыкания) расцепителем. В данном случае необходимо использовать защитные автоматы с токо-временной характеристикой класса В, которая обеспечивает срабатывание электромагнитного расцепителя при превышении номинала в 3-5 раз.

При этом настоятельно рекомендуется устанавливать на входе сетевой дроссель, который ограничивает резкие скачки тока при разбалансе фаз, скачках входного напряжения и коротких замыканиях. В результате скорость нарастания аварийного тока уменьшается, позволяя надежно сработать автоматическому выключателю или внутренней защите ПЧ.

Также допускается установка автоматических выключателей класса С при условии, что на линии питания электрошкафа, в котором установлены ПЧ, включены быстродействующие предохранители соответствующего номинала. Например, на вводе в шкаф стоят предохранители, затем через моторные дроссели и защитные автоматы класса С подключены несколько ПЧ. Такая схема защитит от КЗ и перегрузки.

Выбор номиналов предохранителей и защитных автоматов

Номинал предохранителя или защитного автомата выбирается из расчета удвоенного номинального входного тока ПЧ. Лучше, если ток предохранителя будет меньше, например, в 1,5-1,8 раза от тока ПЧ. Это улучшит защиту, но увеличит вероятность ложных срабатываний при резких пусках и допустимых перегрузках ПЧ.

В любом случае следует руководствоваться рекомендациями производителя частотного преобразователя, приведенными в руководстве по эксплуатации.

Другие полезные материалы:
Как правильно подобрать электродвигатель
Зачем нужен контактор байпаса в УПП
Как выбрать мотор-редуктор
Использование тормозных резисторов с ПЧ

Выбор автомата защиты : Vellmart

2020-12-01

Возможно, вы хотите своими руками установить автоматический выключатель в электрощиток. В таком случае вы должны знать, как правильно выбирать подобные приборы. Начнем с того, что рассмотрим их назначение.

Автомат защиты предотвращает короткие замыкания и перегрев электропроводки. Если в квартире установлена мощная стиральная машина, электронагреватель, духовой шкаф, то каждый из этих потребителей электроэнергии имеет отдельную линию с индивидуальным автоматическим выключателем. Для освещения и розеточных групп каждой комнаты предусматривается своя линия с соответствующим автоматом на электрощитке. Таким образом, хозяин квартиры может при необходимости обесточить любой прибор, все комнаты одновременно или одно из помещений, переключив тумблер на соответствующем пакетнике.

Такие приборы называют автоматическими выключателями, поскольку они самостоятельно разрывают цепь при перегрузке. Если электропроводка нагревается из-за неисправностей в бытовой технике или в кабеле, автомат какое-то время еще выдерживает такой режим работы, но при подъеме силы тока до определенной отметки вырубает сеть. Тем самым он предотвращает возгорание проводов, перегрев и поломку электрооборудования, дорогих компьютеров и телевизоров.

Поскольку количество бытовой техники у всех нас разное и все наши приборы различаются по потребляемой мощности, выбирать автомат защиты следует индивидуально для каждого помещения. Только тогда он будет справляться со своим назначением.

Выбор автомата для однофазных и трехфазных сетей

Автоматические выключатели бывают однополюсными, двухполюсными, трех- и четырехполюсными. Однополюсные способны разрывать только один проводник, а именно — фазу. Двухполюсные разрывают фазу и нейтраль одновременно.

В однофазной сети обычной квартиры устанавливают однополюсные автоматы на линиях розеток и освещения. Во влажных помещениях и на линиях с мощным электрооборудованием устанавливают двухполюсные выключатели. Это необходимо, так как в случае неисправности в электропроводке опасное напряжение может оказаться на нулевом проводе. Двухполюсный автомат разрывает и его вместе с фазой, так что он более надежный по сравнению с однополюсным.

В трехфазных сетях устанавливают двухполюсные, а также трех- и четырехполюсные автоматы. Трех- и четырехполюсные используются для мощных потребителей — бойлеров, духовок и так далее.

Выбор автомата по номиналу

Выбор модели достаточно легко сделать, пользуясь специальной таблицей. В ней указаны предельно допустимые токи для проводов определенного сечения и соответствующие этим параметрам номиналы автоматов защиты.

Например, проводники сечением 2,5 кв. мм выдерживают силу тока в 27 ампер. При большем значении медный провод начинает плавиться. В соответствии с таблицей, для линии с такими параметрами подходит автомат номиналом в 25 ампер. Тут правило простое: номинал автомата должен быть ниже предельно допустимой силы тока, которую выдерживает данный проводник. Если ток в цепи превысит 25 ампер на 13%, то автомат защиты выключится и защитит проводку от перегрева.

Выбор автомата по току короткого замыкания

При замыкании цепи в электропроводке квартиры могут создаваться токи в несколько тысяч ампер. При этом в считанные секунды плавится кабель, воспламеняется обмотка, дымят и загораются отделочные материалы. Электропакетник обязан не только отключиться при таком режиме, но и сохранить свою исправность после включения.

На корпусе автомата защиты отображается цифра, соответствующая предельной величине тока короткого замыкания. При достижении этой величины прибор отключается, оставаясь пригодным для дальнейшей эксплуатации. Для городских сетей обычно выбирают автоматы с отключающей способностью 6000 ампер, а если подстанция находится вблизи дома, то устанавливают электропакетник на 10000 ампер. Для сельской местности или дачного поселка подойдет прибор 4500 ампер, так как токи короткого замыкания там обычно слабые.

Правильно выбранный автоматический выключатель позволит предотвратить последствия, вызванные нарушением работы электроприборов. При коротком замыкании или перегреве электропроводки прибор вовремя размыкает сеть, защищая бытовую технику от поломки. После устранения неисправностей качественный автомат защиты продолжит свою работу, поэтому вам не придется покупать новое устройство.

Выбрать автоматические выключатели и другие устройства защиты

КАК ВЫБРАТЬ СТАНКИ 1

Выбор станков в значительной степени является делом суждений, основанных на рассмотрении многих переменных факторов. Невозможно установить никаких фиксированных правил, но способы использования машин можно условно разделить на три класса, которые в значительной степени регулируют типы машин, которые следует покупать, должны ли они быть машинами широкого диапазона полезности, стандартные станки, оснащенные специальными инструментами, или специальные станки специальной конструкции, способные производить очень крупное и непрерывное производство.Чтобы определить, к какому из этих классов относятся требования к новым станкам, необходимо проанализировать следующие факторы: ( a ) необходимое количество продукции и ее продолжительность, ( b ) метод обработки и требуемые допуски и отделка. , ( c ) возможность изменения конструкции продукта, ( d ) стоимость производства, ( e ), когда требуется доставка машины, и ( f ) деньги, доступные для покупки.

Когда тип необходимого оборудования определен, запрос с целью получения предложений станков и котировок цен может быть рассмотрен через торговые журналы или адресован выбранному списку производителей станков.Первый метод не рекомендуется, так как он обычно привлекает представителей фирм, которые производят другие типы оборудования, а также желаемого конкретного типа. Информация, представленная в запросе, должна быть как можно более полной, а в случае специального станка должна сопровождаться черновым наброском и указанием метода обработки работ внутри станка и вывода из него, поверхностей, подлежащих механической обработке, работ, которые было выполнено в предыдущих операциях, твердость материала и данные о подаче и скорости, и, если возможно, образец работы, которую необходимо выполнить.Строителю следует предоставить максимально возможную свободу действий при вынесении рекомендаций, поскольку покупатель в значительной степени зависит от производителя в отношении информации о новых методах и процессах, разработанных пользователями станков.

Некоторые производители станков, делая расценки, дают только общее описание своего станка и цены и, если дается какая-либо оценка производства, просто указывают количество штук в час, которое можно ожидать без сопроводительных данных для поддержки утверждение.Другие строители присылают очень полную информацию и гарантируют конкретное производство при определенных стандартных условиях по определенной цене. Покупатель может легко проверить информацию, приведенную в последнем виде предложения, и сравнить ее с другими предложениями.

Производственные мощности, стоимость оборудования и его способность обеспечивать удовлетворительное обслуживание являются основными факторами, которые необходимо учитывать при выборе станков. Другие факторы, которые могут иметь большое или меньшее значение в зависимости от обстоятельств, включают близость и репутацию строителя, ожидаемые услуги, полноту запаса запасных частей у строителя, предоставляет ли строитель списки запчастей для ремонта, занимаемая площадь. по машине, и удобство ее эксплуатации.Другой важный фактор — это стандартизация оборудования на производственном предприятии. Если на заводе используется несколько машин одной марки, типа и размера, часто рекомендуется продолжать покупать машины той же марки и размера, чтобы приспособления и приспособления были взаимозаменяемыми, а запас запасных частей увеличивался. не нужно увеличивать.

Автор завершает свою статью краткими ссылками на некоторые общие причины неисправностей станков, такие как неадекватные промежуточные валы; опоры электродвигателя, которые, по-видимому, добавлены в последнюю очередь; недостаточная ширина ременных шкивов; неадекватные маслонасосы; чугунные головки, механизмы подачи, жатки и рычаги; недоступность для проведения ремонта; и множественность масленок и маслосливов вместо системы смазки всех деталей из центрального резервуара.

Простой подход к выбору станка

Сегодня на рынке имеется бесчисленное множество 5-осевых и многоцелевых станков с расширенными возможностями, поэтому попытка выбрать лучшее решение для ваших операций может оказаться непосильной задачей. В конце концов, вы не хотите тратить слишком много средств на ненужные функции или недостаточно инвестировать в технологии, которые могут сделать вас более прибыльными в долгосрочной перспективе.

Вам нужна машина, которая предлагает максимально возможную производительность для ваших конкретных нужд при минимально возможных эксплуатационных расходах и простоях — то, что мы называем лучшей стоимостью владения.

Пытаясь определить производственную систему, которая сделает вас наиболее конкурентоспособным и прибыльным, вы должны начать с рассмотрения того, как различные 5-осевые и многопозиционные платформы могут повлиять на ваши текущие потребности и будущий рост бизнеса.

Вот несколько моментов, над которыми стоит задуматься:

  • Насколько сложны ваши детали? Одновременные 5-осевые и многоцелевые станки могут обрабатывать сложные детали. Однако с добавлением токарных станков многозадачные станки могут пойти еще дальше.
  • Имеется ли проблема с площадью пола на вашем предприятии? Многоцелевые станки, сочетающие фрезерные и токарные операции, могут уменьшить количество оборудования в вашем цехе.
  • Вам нужно сократить время цикла? Многоцелевые станки сочетают в себе фрезерные и токарные операции, что приводит к меньшему количеству наладок и сокращению времени цикла.
  • Насколько важна для вашей работы максимальная точность деталей? Одновременные 5-осевые и многозадачные станки обеспечивают высокую точность.Однако многозадачность устраняет неточности, которые могут возникнуть при перемещении деталей между несколькими станциями.
  • Требуется ли вам периодический доступ к вашей заготовке? Станок с одним столом обеспечивает максимально простой доступ к заготовке в процессе обработки.
  • Вы производите большие объемы деталей? Станок с возможностью смены паллет повысит коэффициент использования шпинделя и общую производительность.

Является ли полностью автоматизированное производство целью вашего бизнеса? Станок с предварительно спроектированной системой производства на поддонах, такой как PALLETECH, может работать круглосуточно без выходных, без необходимости добавлять ночные смены или смены по выходным.

После того, как у вас будет время поразмыслить над некоторыми из этих моментов, следующим шагом будет поиск производителя станков, у которого есть выбор из множества конфигураций высокопроизводительных станков, а также лучшие инженерные решения и доступные ресурсы. Что ж, если вы читаете этот блог, вы попали в нужное место.

Мы предлагаем самый передовой и всеобъемлющий выбор 5-осевых и многоцелевых станков на рынке — все они поддерживаются самой обширной в отрасли сетью поддержки клиентов.Фактически, больше нигде вы не найдете производственного оборудования, обеспечивающего максимальную окупаемость ваших инвестиций.

Однако, поскольку мы все еще находимся на этапе, когда определение наиболее подходящего уровня производственной технологии Mazak для ваших нужд требует дальнейшего изучения, мы приглашаем вас ознакомиться с нашим Руководством по выбору станков для четырех квадрантов.

Если вы видите решение, которое вызывает ваш интерес, не стесняйтесь обращаться к местному представителю Mazak или посетить ближайший к вам технологический центр Mazak, чтобы подробнее изучить ваши возможности в сегодняшней конкурентной производственной среде.Вы также можете увидеть живые демонстрации обработки на многих станках, входящих в «Четыре квадранта», на DISCOVER 2015, 27-29 октября и 3-5 ноября.

О Mazak Corporation

Mazak Corporation — лидер в разработке и производстве высокопроизводительных станков. Стремясь быть партнером клиентов с инновационными технологиями, его предприятие мирового класса во Флоренции, Кентукки, производит более 100 моделей токарных центров, многоцелевых станков и вертикальных обрабатывающих центров, включая 5-осевые модели.Постоянные инвестиции в производственные технологии позволяют Kentucky Mazak iSMART Factory ™ быть самой передовой и эффективной в отрасли, предлагая высококачественную и надежную продукцию благодаря своей практике «Производство по запросу». Mazak имеет восемь технологических центров по всей Северной Америке, чтобы предоставлять клиентам местные практические приложения, обслуживание и поддержку продаж. Для получения дополнительной информации о продуктах и ​​решениях Mazak посетите www.mazakusa.com или подпишитесь на нас в Twitter и Facebook.

Нечеткая процедура принятия решения для задачи выбора машины

Тип статьи: Исследовательская статья

Авторы: Озцейлан, Эрен a; * | Кабак, Мехмет b | Даğдевирен, Метин b

Филиалы: [а] Кафедра промышленной инженерии, Газиантепский университет, Газиантеп, Турция | [b] Кафедра промышленной инженерии, Университет Гази, Анкара, Турция

Переписка: [*] Корреспондент.Эрен Озцейлан, Департамент промышленной инженерии, Университет Газиантепа, 27310 Газиантеп, Турция. Тел .: +90 342 317 26 18; Факс: +90 342360 43 83; Электронная почта: [электронная почта защищена].

Abstract: Выбор подходящего оборудования — одно из наиболее важных решений при проектировании и разработке эффективной производственной среды. Дело в том, что неправильный выбор машины может привести к проблемам с качеством, гибкостью, производительностью и т. Д. И негативно повлиять на общую производительность и производительность производственной системы.С другой стороны, выбор лучшей машины среди множества альтернатив — это проблема принятия решений по нескольким критериям (MCDM). В этой статье используется нечеткий подход MCDM. С этой целью нечеткий аналитический сетевой процесс (FANP) используется для определения весов критериев, а метод организации ранжирования предпочтений для оценки обогащения (PROMETHEE) используется для получения окончательного ранжирования альтернативных машин. Предлагаемый подход применяется при выборе фрезерного станка с ЧПУ (RM) для приобретения в международной компании.В рассматриваемой проблеме есть четыре основных критерия, а именно стоимость, качество, гибкость и производительность с соответствующими четырнадцатью подкритериями. Результаты тематического исследования указывают на лучшую машину среди шести потенциальных альтернатив и предоставляют различные управленческие идеи для лиц, принимающих решения.

Ключевые слова: нечеткий аналитический сетевой процесс, машинный выбор, многокритериальное принятие решений, PROMETHEE

DOI: 10.3233 / IFS-151895

Журнал: Journal of Intelligent & Fuzzy Systems, vol.30, нет. 3, стр. 1841-1856, 2016

Цена: 27,50 евро

Войдите или зарегистрируйтесь, чтобы просмотреть или приобрести мгновенный доступ

Машинное обучение для отбора сперматозоидов

  • 1.

    Инхорн, М. К. и Патрицио, П. Бесплодие во всем мире: новое мышление в отношении гендера, репродуктивных технологий и глобальных движений в 21 веке. Hum. Репродукция. Обновление 21 , 411–426 (2015).

    PubMed Google Scholar

  • 2.

    Агарвал А., Мулгунд А., Хамада А. и Чьятте М. Р. Уникальный взгляд на мужское бесплодие во всем мире. Репродукция. Биол. Эндокринол. 13 , 37 (2015).

    PubMed PubMed Central Google Scholar

  • 3.

    Hammoud, A. et al.Снижение подвижности сперматозоидов связано с загрязнением воздуха в Солт-Лейк-Сити. Fertil. Стерил. 93 , 1875–1879 (2010).

    PubMed Google Scholar

  • 4.

    Jurewicz, J., Hanke, W., Radwan, M. & Bonde, J. Факторы окружающей среды и качество спермы. Внутр. J. Occup. Med. Environ. Здравоохранение 22 , 305–329 (2009).

    PubMed Google Scholar

  • 5.

    Лафуэнте, Р., Гарсиа-Блакес, Н., Жакемин, Б. и Чека, М. А. Загрязнение атмосферного воздуха и качество спермы. Fertil. Стерил. 106 , 880–896 (2016).

    CAS PubMed Google Scholar

  • 6.

    Jensen, T. K. et al. Высокое потребление насыщенных жиров с пищей связано со снижением качества спермы у 701 молодого датского мужчины из общей популяции. Am. J. Clin. Nutr. 97 , 411–418 (2013).

    CAS PubMed Google Scholar

  • 7.

    Afeiche, M. et al. Потребление молочной пищи в зависимости от качества спермы и уровня репродуктивных гормонов у физически активных молодых мужчин. Hum. Репродукция. 28 , 2265–2275 (2013).

    CAS PubMed PubMed Central Google Scholar

  • 8.

    Хаммуд, А. О. Ожирение и мужской репродуктивный потенциал. Дж. Андрол. 27 , 619–626 (2006).

    PubMed Google Scholar

  • 9.

    Du Plessis, S. S., Cabler, S., McAlister, D. A., Sabanegh, E. & Agarwal, A. Влияние ожирения на нарушения спермы и мужское бесплодие. Нац. Преподобный Урол. 7 , 153–161 (2010).

    PubMed Google Scholar

  • 10.

    Маскареньяс, М. Н., Флаксман, С. Р., Бурма, Т., Вандерпол, С. и Стивенс, Г. А. Национальные, региональные и глобальные тенденции распространения бесплодия с 1990 г .: систематический анализ 277 обследований состояния здоровья. PLoS Med. 9 , e1001356 (2012).

    PubMed PubMed Central Google Scholar

  • 11.

    Бойвин, Дж., Бантинг, Л., Коллинз, Дж. А. и Нигрен, К. Г. Международные оценки распространенности бесплодия и обращения за лечением: потенциальная потребность и спрос на медицинскую помощь при бесплодии. Hum. Репродукция. 22 , 1506–1512 (2007).

    PubMed Google Scholar

  • 12.

    Сир Р., Лоусон Д. В., Каплан Х. и Шенк М. К. Понимание вариативности фертильности человека: чему мы можем научиться из эволюционной демографии? Фил. Пер. R. Soc. В 371 , 20150144 (2016).

    PubMed PubMed Central Google Scholar

  • 13.

    Fauser, B.C. На пути к глобальному охвату единого реестра результатов ЭКО. Репродукция. Биомед. Интернет 38 , 133–137 (2019).

    PubMed Google Scholar

  • 14.

    Nosrati, R. et al. Микрофлюидика для анализа и отбора спермы. Нац. Преподобный Урол. 14 , 707–730 (2017).

    PubMed Google Scholar

  • 15.

    Wilkinson, J. et al. Репродуктивная медицина: по-прежнему больше АРТ, чем науки? BJOG 126 , 138–141 (2019).

    CAS PubMed Google Scholar

  • 16.

    Осегера-Лопес, И., Руис-Диас, С., Рамос-Ибеас, П. и Перес-Серезалес, С. Новые методы отбора спермы для улучшения результатов ЭКО и ИКСИ. Фронт. Cell Dev. Биол. 7 , 298 (2019).

    PubMed PubMed Central Google Scholar

  • 17.

    Суэйн, Дж. Э. и Пул, Т. Б. Неудача АРТ: вклад ооцитов в неудачное оплодотворение. Hum. Репродукция. Обновление 14 , 431–446 (2008).

    PubMed Google Scholar

  • 18.

    Наср-Исфахани, М. Х., Демех, М. Р. и Тавалаи, М. Новая эра в отборе спермы для ИКСИ. Внутр. Дж. Андрол. 35 , 475–484 (2012).

    CAS PubMed Google Scholar

  • 19.

    Bungum, M. & Oleszczuk, K. в Руководство для клинициста по повреждению ДНК сперматозоидов и хроматина (ред. Zini, A. & Agarwal, A.) 393–410 (Springer, 2018).

  • 20.

    Клаассенс, О. Э., Менквелд, Р. и Харрисон, К. Л. Оценка трех заменителей перколла при выделении сперматозоидов центрифугированием в градиенте плотности. Hum. Репродукция. 13 , 3139–3143 (1998).

    CAS PubMed Google Scholar

  • 21.

    Rappa, K. L. et al. Обработка спермы для передовых репродуктивных технологий: где мы находимся сегодня? Biotechnol. Adv. 34 , 578–587 (2015).

    Google Scholar

  • 22.

    Younglai, E. V., Holt, D., Brown, P., Jurisicova, A. & Casper, R. F. Методы всплытия спермы и фрагментация ДНК. Hum. Репродукция. 16 , 1950–1953 (2001).

    CAS PubMed Google Scholar

  • 23.

    Джаяраман В., Упадхья Д., Нараян П. К. и Адига С. К. Обработка спермы с помощью всплытия и градиента плотности эффективна при удалении сперматозоидов с повреждением ДНК. J. Assist. Репродукция. Genet. 29 , 557–563 (2012).

    PubMed PubMed Central Google Scholar

  • 24.

    Yamanaka, M. et al. Сочетание центрифугирования в градиенте плотности и методов всплытия эффективно снижает морфологически аномальные сперматозоиды. J. Reprod. Dev. 62 , 599–606 (2016).

    CAS PubMed PubMed Central Google Scholar

  • 25.

    Repping, S., van Weert, J.-M., Mol, BW, de Vries, JW & van der Veen, F. Использование общего количества подвижных сперматозоидов для прогнозирования общей неудачи оплодотворения in vitro оплодотворение. Fertil. Стерил. 78 , 22–28 (2002).

    PubMed Google Scholar

  • 26.

    Cooper, T. G. et al. Справочные значения Всемирной организации здравоохранения для характеристик спермы человека. Hum. Репродукция. Обновление 16 , 231–245 (2010).

    PubMed Google Scholar

  • 27.

    Всемирная организация здравоохранения. Лабораторное руководство ВОЗ по исследованию и обработке спермы человека (ВОЗ, 2010 г.).

  • 28.

    Barroso, G. et al. Внутри- и межлабораторная вариабельность в оценке морфологии сперматозоидов по строгим критериям: влияние подготовки спермы, методов окрашивания и ручного анализа по сравнению с компьютерным. Hum. Репродукция. 14 , 2036–2040 (1999).

    CAS PubMed Google Scholar

  • 29.

    Домингес, Э. М., Морено-Ируста, А., Гвидобальди, Х. А., Трибуло, Х. и Гиоджалас, Л. С. Улучшение производства эмбрионов крупного рогатого скота in vitro с помощью выделенных по полу и несексуальных сперматозоидов, выбранных с помощью хемотаксиса. Териогенология 122 , 1–8 (2018).

    PubMed Google Scholar

  • 30.

    Bahat, A. et al. Термотаксис сперматозоидов млекопитающих: потенциальный механизм навигации в женских половых путях. Нац. Med. 9 , 149–150 (2003).

    CAS PubMed Google Scholar

  • 31.

    Аманн, Р. П. и Ваберски, Д. Компьютерный анализ спермы (CASA): возможности и потенциальные разработки. Териогенология 81 , 5–17 (2014).

    PubMed Google Scholar

  • 32.

    Коллинз, Дж. А., Барнхарт, К. Т. и Шлегель, П. Н. Предсказывают ли тесты целостности ДНК сперматозоидов беременность при экстракорпоральном оплодотворении? Fertil. Стерил. 89 , 823–831 (2008).

    PubMed Google Scholar

  • 33.

    Чиполла, Р., Баттиато, С. и Фаринелла, Г. М. (ред.) Машинное обучение для компьютерного зрения Vol. 411 (Springer, 2013).

  • 34.

    Haines, N., Southward, M. W., Cheavens, J.S., Beauchaine, T. & Ahn, W.-Y. Использование компьютерного зрения и машинного обучения для автоматизации кодирования лица с указанием интенсивности положительных и отрицательных эмоций. PLoS ONE 14 , e0211735 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 35.

    Дил, П. У. и Кук, М. Неконтролируемое обучение распознаванию цифр с использованием пластичности, зависящей от времени всплеска. Фронт. Comput. Neurosci. 9 , 99 (2015).

    PubMed PubMed Central Google Scholar

  • 36.

    Beam, A. L. & Kohane, I. S. Большие данные и машинное обучение в здравоохранении. JAMA 319 , 1317 (2018).

    PubMed Google Scholar

  • 37.

    Сайда П. Машинное обучение для обнаружения и диагностики заболеваний. Annu. Преподобный Биомед. Англ. 8 , 537–565 (2006).

    CAS PubMed Google Scholar

  • 38.

    Банаи, Х., Ахмед, М. и Лутфи, А. Интеллектуальный анализ данных для носимых датчиков в системах мониторинга здоровья: обзор последних тенденций и проблем. Датчики 13 , 17472–17500 (2013).

    CAS PubMed PubMed Central Google Scholar

  • 39.

    Goldenberg, S. L., Nir, G. & Salcudean, S.E. Новая эра: искусственный интеллект и машинное обучение при раке простаты. Нац. Преподобный Урол. 16 , 391–403 (2019).

    PubMed Google Scholar

  • 40.

    Im, H. et al. Разработка и клиническая апробация устройства для диагностики лимфомы с помощью контрастной микроголографии и машинного обучения. Нац. Биомед. Англ. 2 , 666–674 (2018).

    PubMed PubMed Central Google Scholar

  • 41.

    Ло, Ю.-К., Ренси, С.Э., Торнг, В. и Альтман, Р. Б. Машинное обучение в химиоинформатике и открытии лекарств. Drug Discov. Сегодня 23 , 1538–1546 (2018).

    CAS PubMed PubMed Central Google Scholar

  • 42.

    Vamathevan, J. et al. Применение машинного обучения в открытии и разработке лекарств. Нац. Rev. Drug Discov. 18 , 463–477 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 43.

    Лю Ю. и Чжан М. Методы нейронных сетей для обработки естественного языка. Comput. Лингвист. 44 , 193–195 (2018).

    Google Scholar

  • 44.

    Хиршберг, Дж. И Мэннинг, К. Д. Достижения в области обработки естественного языка. Наука 349 , 261–266 (2015).

    CAS PubMed Google Scholar

  • 45.

    Ван, Р.и другие. Искусственный интеллект в репродуктивной медицине. Репродукция 158 , R139 – R154 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 46.

    Chu, K. Y. et al. Искусственный интеллект в репродуктивной урологии. Curr. Урол. Отчетность 20 , 52 (2019).

    PubMed Google Scholar

  • 47.

    Тирумалараджу, П.и другие. Система прогнозирования бластоцист с поддержкой глубокого обучения для отбора эмбрионов на стадии дробления. Fertil. Стерил. 111 , e29 (2019).

    Google Scholar

  • 48.

    Khosravi, P. et al. Глубокое обучение обеспечивает надежную оценку и выбор бластоцист человека после экстракорпорального оплодотворения. NPJ Digit. Med. 2 , 21 (2019).

    PubMed PubMed Central Google Scholar

  • 49.

    Boulet, S. L. et al. Тенденции использования и репродуктивные результаты, связанные с интрацитоплазматической инъекцией спермы. JAMA 313 , 255–263 (2015).

    PubMed Google Scholar

  • 50.

    Dyer, S. et al. Мировой отчет Международного комитета по мониторингу вспомогательных репродуктивных технологий: вспомогательные репродуктивные технологии 2008, 2009 и 2010 гг. Hum. Репродукция. 31 , 1588–1609 (2016).

    CAS PubMed Google Scholar

  • 51.

    Эстевес, С. К., Роке, М., Бедоски, Г., Хаар, Т. и Хумайдан, П. Интрацитоплазматическая инъекция сперматозоидов при мужском бесплодии и последствиях для потомства. Нац. Преподобный Урол. 15 , 535–562 (2018).

    CAS PubMed Google Scholar

  • 52.

    McCallum, C. et al. Отбор спермы человека с высокой целостностью ДНК на основе глубокого обучения. Commun. Биол. 2 , 250 (2019).

    PubMed PubMed Central Google Scholar

  • 53.

    Менквелд, Р., Холлебум, К. А. Г. и Ремрев, Дж. П. Т. Измерение и значение морфологии сперматозоидов. Азиат Дж. Андрол. 13 , 59–68 (2011).

    PubMed Google Scholar

  • 54.

    Kruger, T. F. et al. Новый метод оценки морфологии сперматозоидов с прогностической ценностью при экстракорпоральном оплодотворении человека. Урология 30 , 248–251 (1987).

    CAS PubMed Google Scholar

  • 55.

    Gatimel, N., Moreau, J., Parinaud, J. & Leandri, RD Морфология сперматозоидов: оценка, патофизиология, клиническая значимость и современное состояние в 2017 г. Андрология 5 , 845 –862 (2017).

    CAS PubMed Google Scholar

  • 56.

    Брито, Л.F. C. Многолабораторное исследование вариабельности анализа спермы крупного рогатого скота. Териогенология 85 , 254–266 (2016).

    PubMed Google Scholar

  • 57.

    Eustache, F. & Auger, J. Межиндивидуальная изменчивость в морфологической оценке человеческой спермы: влияние уровня опыта и использования стандартных методов. Hum. Репродукция. 18 , 1018–1022 (2003).

    CAS PubMed Google Scholar

  • 58.

    Сингх С., Шарма С., Джайн М. и Чаухан Р. Важность окрашивания по Папаниколау для морфологического анализа спермы. Am. J. Clin. Патол. 136 , 247–251 (2011).

    PubMed Google Scholar

  • 59.

    Ширрен, К., Экхардт, У., Яччик, Р. и Карстенсен, К. А. Морфологическая дифференциация сперматозоидов человека с помощью слайдов testsimplets®. Андрология 9 , 191–192 (2009).

    Google Scholar

  • 60.

    Kruger, T. F. et al. Быстрый и надежный метод окрашивания морфологии сперматозоидов человека. Arch. Андрол. 18 , 275–277 (1987).

    CAS PubMed Google Scholar

  • 61.

    van der Horst, G. & Maree, L. SpermBlue®: новый универсальный краситель для спермы человека и животных, который также поддается автоматическому анализу морфологии сперматозоидов. Biotech. Histochem. 84 , 299–308 (2010).

    Google Scholar

  • 62.

    Henkel, R. et al. Сравнение трех методов окрашивания для морфологической оценки сперматозоидов человека. Fertil. Стерил. 89 , 449–455 (2008).

    PubMed Google Scholar

  • 63.

    Maree, L., du Plessis, S. S., Menkveld, R. & van der Horst, G.Морфометрические размеры головки человеческого сперматозоида зависят от используемого метода окрашивания. Hum. Репродукция. 25 , 1369–1382 (2010).

    CAS PubMed Google Scholar

  • 64.

    Natali, I. et al. Оценка морфологии сперматозоидов человека с помощью слайдов Testsimplets и Diff-Quik. Fertil. Стерил. 99 , 1227–1232.e2 (2013).

    PubMed Google Scholar

  • 65.

    Чубашек М., Андрашек К., Банашевска Д. и Вальчак-Енджеёвска Р. Влияние техники окрашивания на морфологические и морфометрические параметры спермы кабана. PLoS ONE 14 , e0214243 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 66.

    Kruger, T. F. et al. Новый компьютеризированный метод считывания морфологии сперматозоидов (строгие критерии) так же эффективен, как и техник. Fertil. Стерил. 59 , 202–209 (1993).

    CAS PubMed Google Scholar

  • 67.

    Kruger, T. F. et al. Проспективное исследование прогностической ценности нормальной морфологии сперматозоидов при компьютерной оценке (IVOS ** Hamilton Thome Research Version 2.1 Dimension Program, Беверли, Массачусетс). Fertil. Стерил. 66 , 285–291 (1996).

    CAS PubMed Google Scholar

  • 68.

    Кутзи, К., де Вильерс, А., Крюгер, Т. Ф. и Ломбард, К. Дж. Клиническая ценность использования автоматического анализатора морфологии сперматозоидов (IVOS). Fertil. Стерил. 71 , 222–225 (1999).

    CAS PubMed Google Scholar

  • 69.

    Кутзи, К., Крюгер, Т. Ф. и Ломбард, К. Дж. Анализ повторяемости и дисперсии множественных компьютерных (IVOS *) показаний морфологии сперматозоидов. Андрология 31 , 163–168 (1999).

    CAS PubMed Google Scholar

  • 70.

    Menkveld, R. et al. Влияние различных процедур окрашивания и отмывки на результаты оценки морфологии спермы человека ручными и компьютерными методами. Андрология 29 , 1–7 (2009).

    Google Scholar

  • 71.

    Coetzee, K., Kruger, T. F., Vandendael, A., Villiers, A. & Lombard, C.J. Сравнение двух методов окрашивания и оценки, используемых для компьютерных оценок морфологии сперматозоидов человека. Андрология 29 , 133–135 (2009).

    Google Scholar

  • 72.

    Ценг, К.-К. и другие. Компьютерная система с множеством функций слитых опорных векторов для диагностики морфологии сперматозоидов. Биомед. Res. Int. 2013 , 1–13 (2013).

    Google Scholar

  • 73.

    Auger, J. et al. Морфологические дефекты спермы, связанные с окружающей средой, образом жизни и историей болезни 1001 партнера беременных женщин-мужчин из четырех европейских городов. Hum. Репродукция. 16 , 2710–2717 (2001).

    CAS PubMed Google Scholar

  • 74.

    Shaker, F., Monadjemi, S.A., Alirezaie, J. & Naghsh-Nilchi, A.R. Подход к изучению словаря для классификации головок сперматозоидов человека. Comput.Биол. Med. 91 , 181–190 (2017).

    PubMed Google Scholar

  • 75.

    Чанг, В., Гарсия, А., Хитшфельд, Н. и Хертель, С. Золотой стандарт для морфологического анализа спермы с помощью компьютера. Comput. Биол. Med. 83 , 143–150 (2017).

    PubMed Google Scholar

  • 76.

    Chang, V., Heutte, L., Petitjean, C., Härtel, S.& Hitschfeld, N. Автоматическая классификация морфологии головки сперматозоида человека. Comput. Биол. Med. 84 , 205–216 (2017).

    PubMed Google Scholar

  • 77.

    Van Raemdonck, L. E. M. et al. Алгоритм морфологической классификации подвижных сперматозоидов человека (IEEE, 2015).

  • 78.

    Джавади С. и Миррошандель С. А. Новый метод глубокого обучения для автоматической оценки изображений спермы человека. Comput. Биол. Med. 109 , 182–194 (2019).

    PubMed Google Scholar

  • 79.

    Риордон, Дж., МакКаллум, К. и Синтон, Д. Глубокое обучение для классификации человеческой спермы. Comput. Биол. Med. 111 , 103342 (2019).

    PubMed Google Scholar

  • 80.

    Ghasemian, F., Mirroshandel, S.A., Monji-Azad, S., Azarnia, M.И Захири, З. Эффективный метод автоматического обнаружения морфологических аномалий по изображениям спермы человека. Comput. Методы Прог. Биомед. 122 , 409–420 (2015).

    Google Scholar

  • 81.

    Kanakasabapathy, M. K. et al. Автоматический диагностический тест на базе смартфона для анализа спермы в медицинских учреждениях. Sci. Transl Med. 9 , 1–14 (2017).

    Google Scholar

  • 82.

    Thirumalaraju, P. et al. Анализ морфологии спермы человека с помощью микроскопии смартфона и глубокого обучения. Fertil. Стерил. 112 , e41 (2019).

    Google Scholar

  • 83.

    Суарес, С. С. и Пейси, А. А. Транспорт спермы в женских половых путях. Hum. Репродукция. Обновление 12 , 23–37 (2006).

    CAS PubMed Google Scholar

  • 84.

    Eisenbach, M. & Giojalas, L.C. Руководство по сперме у млекопитающих — грунтовая дорога к яйцеклетке. Нац. Rev. Mol. Cell Biol. 7 , 276–285 (2006).

    CAS PubMed Google Scholar

  • 85.

    Grunewald, S. & Paasch, U. в Мужское бесплодие (eds Parekattil, S. & Agarwal, A.) 423–430 (Springer, 2012).

  • 86.

    Саккас, Д., Рамалингам, М., Гарридо, Н. и Барратт, К.Л. Р. Отбор спермы при естественном зачатии: чему мы можем научиться у матери-природы для улучшения результатов вспомогательной репродукции? Hum. Репродукция. 21 , 711–726 (2018).

    Google Scholar

  • 87.

    Zini, A., Bielecki, R., Phang, D. & Zenzes, M. T. Корреляция между двумя маркерами целостности ДНК сперматозоидов, денатурацией ДНК и фрагментацией ДНК у фертильных и бесплодных мужчин. Fertil. Стерил. 75 , 674–677 (2001).

    CAS PubMed Google Scholar

  • 88.

    Wang, Y. et al. Прогнозирование целостности ДНК по морфологическим параметрам с использованием анализа индекса фрагментации ДНК одного сперматозоида. Adv. Sci. 6 , 12 (2019).

    Google Scholar

  • 89.

    Evenson, D. P. Анализ структуры хроматина сперматозоидов (SCSA®) и другие тесты на фрагментацию ДНК сперматозоидов для оценки целостности ядерной ДНК сперматозоидов, связанной с фертильностью. Anim. Репродукция. Sci. 169 , 56–75 (2016).

    CAS PubMed Google Scholar

  • 90.

    Эвенсон, Д. П., Ларсон, К. Л. и Йост, Л. К. Анализ структуры хроматина сперматозоидов: его клиническое применение для обнаружения фрагментации ДНК сперматозоидов при мужском бесплодии и сравнения с другими методами. Дж. Андрол. 23 , 25–43 (2002).

    PubMed Google Scholar

  • 91.

    Bungum, M. et al. Прогностическая ценность параметров анализа структуры хроматина сперматозоидов (SCSA) для результатов внутриматочной инсеминации, ЭКО и ИКСИ. Hum. Репродукция. 19 , 1401–1408 (2004).

    CAS PubMed Google Scholar

  • 92.

    Карелл Д. и Кеннет К. И. Сперматогенез: методы и протоколы (Humana, 2013).

  • 93.

    Fernández, J. L. et al. Тест на дисперсию хроматина сперматозоидов: простой метод определения фрагментации ДНК сперматозоидов. Дж. Андрол. 24 , 59–66 (2003).

    PubMed Google Scholar

  • 94.

    Muriel, L. et al. Значение уровня фрагментации дезоксирибонуклеиновой кислоты сперматозоидов, измеренное с помощью теста дисперсии хроматина сперматозоидов, в результате оплодотворения in vitro и интрацитоплазматической инъекции сперматозоидов. Fertil. Стерил. 85 , 371–383 (2006).

    CAS PubMed Google Scholar

  • 95.

    Sun, T. C. et al. Индекс фрагментации ДНК сперматозоидов, измеренный с помощью дисперсии хроматина сперматозоидов, может не предсказать вспомогательный репродуктивный результат. Тайвань. J. Obstet. Гинеколь. 57 , 493–498 (2018).

    PubMed Google Scholar

  • 96.

    Simon, L. et al. выходные параметры повреждения, измеренные с помощью щелочного анализа комет, и их важность. Андрология 49 , 1–12 (2017).

    Google Scholar

  • 97.

    Наср-Исфахани, М. Х. и др. Влияние повреждения ДНК сперматозоидов и дефицита протамина сперматозоидов на оплодотворение и развитие эмбриона после ИКСИ. Репродукция. Биомед. Интернет 11 , 198–205 (2005).

    CAS PubMed Google Scholar

  • 98.

    Ribas-Maynou, J. et al. Щелочные и нейтральные профили анализа комет на повреждение ДНК сперматозоидов в клинических группах. Hum. Репродукция. 27 , 652–658 (2012).

    CAS PubMed Google Scholar

  • 99.

    Ribas-Maynou, J. et al. Двухцепочечные разрывы ДНК сперматозоидов, измеренные методом комет, связаны с необъяснимым повторным выкидышем у пар без женского фактора. PLoS ONE 7 , e44679 (2012).

    CAS PubMed PubMed Central Google Scholar

  • 100.

    Лэнджи, С. А., Аскета, А. и Коллинз, А. Р. Анализ комет: прошлое, настоящее и будущее. Фронт. Genet. 6 , 266 (2015).

    PubMed PubMed Central Google Scholar

  • 101.

    Garolla, A. et al. Мощная микроскопия для отбора сперматозоидов для ИКСИ по физиологическому статусу. Репродукция. Биомед. Интернет 17 , 610–616 (2008).

    PubMed Google Scholar

  • 102.

    Utsuno, H., Oka, K., Yamamoto, A. & Shiozawa, T. Оценка формы головки сперматозоида при большом увеличении выявила корреляцию фрагментации ДНК сперматозоидов с аберрантной эллиптичностью и угловатостью головки. Fertil. Стерил. 99 , 1573–1580.e1 (2013).

    PubMed Google Scholar

  • 103.

    Nixon, B. et al. Роль молекулярного шаперонного белка теплового шока A2 (HSPA2) в регуляции распознавания сперматозоидов человека. Азиат Дж. Андрол. 17 , 568 (2015).

    CAS PubMed PubMed Central Google Scholar

  • 104.

    Иноуэ, Н., Hagihara, Y., Wright, D., Suzuki, T. & Wada, I. Запускаемая ооцитами димеризация сперматозоидов IZUMO1 способствует слиянию сперматозоидов и яйцеклеток у мышей. Нац. Commun. 6 , 8858 (2015).

    CAS PubMed Google Scholar

  • 105.

    Хирамото, Ю. и Баба, С. А. Количественный анализ движения жгутиков в сперматозоидах иглокожих. J. Exp. Биол. 76 , 85–104 (1978).

    Google Scholar

  • 106.

    Saggiorato, G. et al. Человеческая сперма управляется второй гармоникой жгутикового биения. Нац. Commun. 8 , 1415 (2017).

    PubMed PubMed Central Google Scholar

  • 107.

    Hansen, J., Rassmann, S., Jikeli, J. & Wachten, D. SpermQ — простое программное обеспечение для анализа для всестороннего изучения биения жгутиков и управления спермой. Ячейки 8 , 10 (2018).

    PubMed Central Google Scholar

  • 108.

    Gallagher, M. T., Cupples, G., Ooi, E. H., Kirkman-Brown, J. C. & Smith, D. J. Быстрый захват сперматозоидов: высокопроизводительный анализ формы волны жгутиков. Hum. Репродукция. 34 , 1173–1185 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 109.

    Di Caprio, G. et al. Количественная визуализация спермы животных без этикеток с помощью цифровой голографической микроскопии. IEEE J. Sel. Вершина. Квантовая электроника. 16 , 833–840 (2010).

    Google Scholar

  • 110.

    Di Caprio, G. et al. 4D отслеживание клинических семенных образцов для количественной характеристики параметров моторики. Биомед. Опт. Экспресс 5 , 690 (2014).

    PubMed PubMed Central Google Scholar

  • 111.

    Su, T.-W., Xue, L. & Ozcan, A. Трехмерное отслеживание человеческих сперматозоидов без линз с высокой пропускной способностью позволяет выявить редкую статистику спиральных траекторий. Proc. Natl Acad. Sci. США 109 , 16018–16022 (2012).

    CAS PubMed PubMed Central Google Scholar

  • 112.

    Daloglu, M.U. et al. Трехмерное компьютерное изображение движения сперматозоидов, вращения головы и биения жгутика в большом объеме без использования этикеток. Light Sci. Прил. 7 , 17121 (2018).

    CAS PubMed PubMed Central Google Scholar

  • 113.

    Daloglu, M. U. et al. Трехмерное изображение движения сперматозоидов крупного рогатого скота, вращения головы и биения жгутика с сортировкой по полу. Sci. Отчет 8 , 15650 (2018).

    PubMed PubMed Central Google Scholar

  • 114.

    Dubey, V. et al. Частично пространственно-когерентная цифровая голографическая микроскопия и машинное обучение для количественного анализа сперматозоидов человека в условиях окислительного стресса. Sci. Отчетность 9 , 3564 (2019).

    PubMed PubMed Central Google Scholar

  • 115.

    de Wagenaar, B. et al. Захват и анализ одиночной микрофлюидной спермы. Lab. Чип 15 , 1294–1301 (2015).

    PubMed Google Scholar

  • 116.

    de Wagenaar, B. et al. Спермометр: электрическая характеристика подвижности сперматозоидов одного хряка. Fertil. Стерил. 106 , 773–780.e6 (2016).

    PubMed Google Scholar

  • 117.

    You, J. B. et al. Микроматрица ловушки живой спермы для высокопроизводительной визуализации и анализа. Lab. Чип 19 , 815–824 (2019).

    CAS PubMed Google Scholar

  • 118.

    Goodson, S.G. et al. CASAnova: мультиклассовая модель опорных векторных машин для классификации моделей подвижности сперматозоидов человека †. Biol. Репродукция. 97 , 698–708 (2017).

    PubMed PubMed Central Google Scholar

  • 119.

    Гудсон, С. Г., Чжан, З., Цурута, Дж. К., Ван, В. и О’Брайен, Д. А. Классификация паттернов подвижности сперматозоидов мышей с использованием автоматизированной мультиклассовой модели машин опорных векторов1. Biol. Репродукция. 84 , 1207–1215 (2011).

    CAS PubMed PubMed Central Google Scholar

  • 120.

    Hicks, S.A. et al. Анализ видео о сперме и данных участников на основе машинного обучения для прогнозирования мужской фертильности. Sci. Отчетность 9 , 16770 (2019).

    PubMed PubMed Central Google Scholar

  • 121.

    Сомасундарам Д. и Нирмала М. Сверточная нейронная сеть с более быстрой областью и алгоритм отслеживания спермы для анализа спермы. Comput. Методы Прог. Биомед. 200 , 105918 (2021 г.).

    Google Scholar

  • 122.

    Суцкевер, И., Виньялс, О. и Ле, К. В. Последовательность для последовательного обучения с помощью нейронных сетей. Proc. Int. Конф. Нейроинформ. Процесс. Syst. 2 , 3104–3112 (2014).

    Google Scholar

  • 123.

    Cho, K. et al. Изучение представлений фраз с использованием кодировщика-декодера RNN для статистического машинного перевода. Proc.Конф. Эмпир. Методы Нат. Lang. Процесс. 28 , 1724–1734 (2014).

    Google Scholar

  • 124.

    Ng, J. Y. H. et al. Помимо коротких фрагментов: глубокие сети для классификации видео (IEEE, 2015).

  • 125.

    Yao, L. et al. Описание видео с использованием временной структуры (IEEE, 2015).

  • 126.

    Donahue, J. et al. Долгосрочные рекуррентные сверточные сети для визуального распознавания и описания. IEEE Trans. Pattern Anal. Мах. Intell. 39 , 677–691 (2017).

    PubMed Google Scholar

  • 127.

    Киммел, Дж., Брак, А. и Маршалл, В. Глубокие сверточные и рекуррентные нейронные сети для распознавания и прогнозирования подвижности клеток. IEEE / ACM Trans. Comput. Биол. Биоинформа. 18 , 562–574 (2019).

    Google Scholar

  • 128.

    Liu, Q. et al. Обнаружение модификаций оснований ДНК глубокой рекуррентной нейронной сетью по данным секвенирования Oxford Nanopore. Нац. Commun. 10 , 2449 (2019).

    PubMed PubMed Central Google Scholar

  • 129.

    Zhou, X. et al. Гибридное генеративно-дискриминационное обучение для онлайн-отслеживания сперматозоидов. Neurocomputing 208 , 218–224 (2016).

    Google Scholar

  • 130.

    Карахан, Ş. и другие. Как ухудшение изображения влияет на глубокое распознавание лиц на основе CNN? (IEEE, 2016).

  • 131.

    Додж С. и Карам Л. Понимание того, как качество изображения влияет на глубокие нейронные сети (IEEE, 2016).

  • 132.

    Teixeira, D. M. et al. Выбор сперматозоидов при обычном (ИКСИ) и при сверхвысоком увеличении (IMSI) для вспомогательной репродукции. Кокрановская база данных Syst. Ред. 7 , CD010167 (2013).

    Google Scholar

  • 133.

    Ching, T. et al. Возможности и препятствия для глубокого обучения в биологии и медицине. J. R. Soc. Интерфейс 15 , 20170387 (2018).

    PubMed PubMed Central Google Scholar

  • 134.

    Dai, C. et al. Автоматизированное неинвазивное измерение подвижности и морфологии отдельных сперматозоидов. IEEE Trans. Med. Imaging 37 , 2257–2265 (2018).

    PubMed Google Scholar

  • 135.

    Вайнберг, М., Мерико, Д., Делонг, А. и Фрей, Б. Дж. Глубокое обучение в биомедицине. Нац. Biotechnol. 36 , 829–838 (2018).

    CAS PubMed Google Scholar

  • 136.

    Интаски П., Агарвал А., Шарма Р., Саманта Л. и Бертолла Р. П. На пути к идентификации надежных биомаркеров сперматозоидов мужского бесплодия: протеомный подход к сперматозоидам. Андрология 50 , e12919 (2018).

    Google Scholar

  • 137.

    Gijsberts, C. M. et al. Расовые / этнические различия в ассоциациях факторов риска Фрамингема с ТИМ сонных артерий и сердечно-сосудистыми событиями. PLoS ONE 10 , e0132321 (2015).

    PubMed PubMed Central Google Scholar

  • 138.

    Буоламвини, Дж. И Гебру, Т. Гендерные оттенки: перекрестные различия в точности в коммерческой гендерной классификации. Proc. Мах. Учить. Res. 81 , 77–91 (2018).

    Google Scholar

  • 139.

    Balki, I. et al. Методологии определения размера выборки для машинного обучения в исследованиях медицинской визуализации: систематический обзор. Банка. Доц. Радиол. J. 70 , 344–353 (2019).

    PubMed Google Scholar

  • 140.

    Вайена, Э., Бласимме, А.И Коэн, И. Г. Машинное обучение в медицине: решение этических проблем. PLoS Med. 15 , e1002689 (2018).

    PubMed PubMed Central Google Scholar

  • 141.

    Фрумкин, А. М., Керр И. и Пино, Дж. В Призваны к святости 167–170 (Католический университет Америки, пресса, 2017).

  • 142.

    Прайс, В. Н., Герке, С. и Коэн, И. Г. Потенциальная ответственность врачей, использующих искусственный интеллект. JAMA 322 , 1765 (2019).

    PubMed Google Scholar

  • 143.

    Редди, С., Аллан, С., Коглан, С. и Купер, П. Модель управления для применения ИИ в здравоохранении. J. Am. Med. Поставить в известность. Доц. 27 , 491–497 (2020).

    PubMed Google Scholar

  • 144.

    Кунер, К., Свантессон, Д. Дж. Б., Кейт, Ф. Х., Лински, О. и Миллард, К. Машинное обучение с использованием персональных данных: достаточно ли умен закон о защите данных, чтобы решить эту проблему? Внутр. Данные Priv. Закон 7 , 1-2 (2017).

    Google Scholar

  • 145.

    Риченс, Дж. Г., Ли, К. М. и Джори, С. Повышение точности медицинского диагноза с помощью каузального машинного обучения. Нац. Commun. 11 , 3923 (2020).

    CAS PubMed PubMed Central Google Scholar Астраханьская область

  • 146.

    Myszczynska, M.A. et al. Применение машинного обучения для диагностики и лечения нейродегенеративных заболеваний. Нац. Rev. Neurol. 16 , 440–456 (2020).

    PubMed Google Scholar

  • 147.

    Гокс, Дж., Джалили, В., Хейзер, Л. М. и Грей, Дж. У. Как машинное обучение изменит биомедицину. Cell 181 , 92–101 (2020).

    CAS PubMed PubMed Central Google Scholar

  • 148.

    Willemink, M. J. et al. Подготовка данных медицинской визуализации для машинного обучения. Радиология 295 , 4–15 (2020).

    Google Scholar

  • 149.

    Александр, А., Цзян, А., Феррейра, К. и Зуркия, Д. Интеллектуальное будущее для медицинской визуализации: взгляд на рынок искусственного интеллекта для медицинской визуализации. J. Am. Coll. Радиол. 17 , 165–170 (2020).

    PubMed Google Scholar

  • 150.

    VerMilyea, M. et al. Разработка модели оценки на основе искусственного интеллекта для прогнозирования жизнеспособности эмбриона с использованием статических изображений, полученных с помощью оптической световой микроскопии во время ЭКО. Hum. Репродукция. 35 , 770–784 (2020).

    CAS PubMed PubMed Central Google Scholar

  • 151.

    Найот Д., Бхарти Р. М., Мериано Дж. И Кривой А. Методы и системы определения качества ооцита.Патент США 10,552,957 B2 (2020).

  • 152.

    Чар, Д. С., Шах, Н. Х. и Магнус, Д. Внедрение машинного обучения в здравоохранение — решение этических проблем. N. Engl. J. Med. 378 , 981–983 (2018).

    PubMed PubMed Central Google Scholar

  • 153.

    Wijesekera, T. P., Sanders, L. & Windish, D. M. Размышления о диагностике и диагностических ошибках: обзор терапевтов-терапевтов и лечащих врачей. J. Gen. Intern. Med. 35 , 614–615 (2020).

    PubMed Google Scholar

  • 154.

    Карри, Г., Хок, К. Э., Рорен, Э., Виал, А. и Кляйн, Р. Машинное обучение и глубокое обучение в медицинской визуализации: интеллектуальная визуализация. J. Med. Imaging Radiat. Sci. 50 , 477–487 (2019).

    PubMed Google Scholar

  • 155.

    Гигер, М.L. Машинное обучение в медицинской визуализации. J. Am. Coll. Радиол. 15 , 512–520 (2018).

    PubMed Google Scholar

  • 156.

    Senders, J. T. et al. Введение и обзор машинного обучения в нейрохирургической помощи. Acta Neurochir. 160 , 29–38 (2018).

    PubMed Google Scholar

  • 157.

    Staartjes, V. E.и другие. Машинное обучение в нейрохирургии: глобальный обзор. Acta Neurochir. 162 , 3081–3091 (2020).

    PubMed Google Scholar

  • 158.

    Pennig, L. et al. Первичная лимфома центральной нервной системы: клиническая оценка автоматизированной сегментации на многопараметрической МРТ с использованием глубокого обучения. J. Magn. Резон. Imaging 53 , 259–268 (2021).

    PubMed Google Scholar

  • 159.

    Schelb, P. et al. Классификация рака при МРТ простаты: глубокое обучение в сравнении с клинической оценкой PI-RADS. Радиология 293 , 607–617 (2019).

    PubMed Google Scholar

  • 160.

    Azencott, C.-A. Машинное обучение и геномика: точная медицина против конфиденциальности пациентов. Фил. Пер. R. Soc. А 376 , 20170350 (2018).

    PubMed Google Scholar

  • 161.

    Тран, Д., Кук, С., Иллингворт, П. Дж. И Гарднер, Д. К. Глубокое обучение как инструмент прогнозирования сердечной беременности плода после покадровой инкубации и переноса бластоцисты. Hum. Репродукция. 34 , 1011–1018 (2019).

    CAS PubMed PubMed Central Google Scholar

  • 162.

    Horvitz, E. & Mulligan, D. Данные, конфиденциальность и всеобщее благо. Наука 349 , 253–255 (2015).

    CAS PubMed Google Scholar

  • 163.

    Дардикман-Йоффе, Г., Мирский, С. К., Барнеа, И. и Шакед, Н. Т. Получение в высоком разрешении свободно плавающих человеческих сперматозоидов без окрашивания. Sci. Adv. 6 , eaay7619 (2020).

    CAS PubMed PubMed Central Google Scholar

  • 164.

    Keys, R. Интерполяция кубической свертки для обработки цифровых изображений. IEEE Trans. Акуст. 29 , 1153–1160 (1981).

    Google Scholar

  • 165.

    Дюшон, К. Э. Ланцош, фильтрация в одном и двух измерениях. J. Appl. Meteorol. 18 , 1016–1022 (1979).

    Google Scholar

  • 166.

    Qinlan, X., Hong, C. & Huimin, C. Улучшенное сверхразрешение одиночного изображения на основе примеров (IEEE, 2010).

  • 167.

    Серт, Э., Озюрт, Ф. и Догантекин, А. Новый подход к системе диагностики опухолей головного мозга: одно изображение с суперразрешением на основе максимальной нечеткой энтропийной сегментации и сверточной нейронной сети. Med. Гипотезы 133 , 109413 (2019).

    PubMed Google Scholar

  • 168.

    Рави, Д., Щотка, А. Б., Шакир, Д. И., Перейра, С. П. и Веркаутерен, Т. Эффективное обучение глубокому обучению для сверхвысокого разрешения одиночного изображения в эндомикроскопии с использованием реконструкции на основе видеорегистрации. Внутр. J. Comput. Ассистент. Радиол. Surg. 13 , 917–924 (2018).

    PubMed PubMed Central Google Scholar

  • 169.

    Shaker, F. Набор данных по морфологии головки сперматозоида человека (HuSHeM). Данные Mendeley https://doi.org/10.17632/tt3yj2pf38.1 (2017).

  • 170.

    Агарвал А., Гупта С. и Шарма Р. (ред.) В Андрологическая оценка мужского бесплодия 181–203 (Springer, 2016).

  • 171.

    Адига, С. К. и Калтур, Г. в Мужское бесплодие (Гунасекаран, К. и Пандиян, Н.) 155–165 (Springer, 2017).

  • 172.

    Tandara, M. et al. Тестирование целостности ДНК сперматозоидов: большой ореол является хорошим предиктором качества эмбриона и беременности после обычного ЭКО. Андрология 2 , 678–686 (2014).

    CAS PubMed Google Scholar

  • 173.

    Кортес-Гутьеррес, Э.I., Dávila-Rodríguez, M. I. & López-Fernández, C. in A Clinician’s Guide to Sperm DNA and Chromatin Damage (eds Zini, A. & Agarwal, A.) 119–135 (Springer, 2018).

  • 174.

    Букатин А., Кухтевич И., Ступ Н., Дункель Дж. И Канцлер В. Бимодальное реотаксическое поведение отражает асимметрию биений жгутиков в сперматозоидах человека. Proc. Natl Acad. Sci. США 112 , 15904–15909 (2015).

    CAS PubMed PubMed Central Google Scholar

  • 175.

    Фримат, Ж.-П. и другие. Заставьте его вращаться: индивидуальный захват сперматозоидов для анализа и извлечения с помощью микроконтактной печати. Lab. Чип 14 , 2635 (2014).

    CAS PubMed Google Scholar

  • 176.

    Mathews, S.C. et al. Цифровое здоровье: путь к проверке. NPJ Digit. Med. 2 , 38 (2019).

    PubMed PubMed Central Google Scholar Астрахань

  • 177.

    Джордан М. И. и Митчелл Т. М. Машинное обучение: тенденции, перспективы и перспективы. Наука 349 , 255–260 (2015).

    CAS Google Scholar

  • 178.

    Ю. К.-Х., Бим А. Л. и Кохан И. С. Искусственный интеллект в здравоохранении. Нац. Биомед. Англ. 2 , 719–731 (2018).

    PubMed Google Scholar

  • 179.

    ЛеКун Ю., Бенжио Ю. и Хинтон Г. Глубокое обучение. Природа 521 , 436–444 (2015).

    CAS PubMed PubMed Central Google Scholar

  • 180.

    Риордон, Дж., Совилдж, Д., Саннер, С., Синтон, Д. и Янг, Э. В. К. Глубокое обучение с помощью микрофлюидики для биотехнологии. Trends Biotechnol. 37 , 310–324 (2019).

    CAS PubMed Google Scholar

  • 181.

    Уэбб, С. Глубокое обучение для биологии. Природа 554 , 555–557 (2018).

    CAS PubMed Google Scholar

  • 182.

    Кортес, К. и Вапник, В. Сети опорных векторов. Мах. Учить. 20 , 273–297 (1995).

    Google Scholar

  • 183.

    Бадринараян В., Кендалл А. и Чиполла Р. SegNet: архитектура глубокого сверточного кодера-декодера для сегментации изображений. IEEE Trans. Pattern Anal. Мах. Intell. 39 , 2481–2495 (2017).

    PubMed Google Scholar

  • 184.

    Yu, Y., Si, X., Hu, C. & Zhang, J. Обзор рекуррентных нейронных сетей: ячейки LSTM и сетевые архитектуры. Neural Comput. 31 , 1235–1270 (2019).

    PubMed Google Scholar

  • Границы | Машина морального выбора

    1.Введение

    Существует широкий консенсус в отношении того, что исследования в области искусственного интеллекта (ИИ) неуклонно развиваются и что его влияние на общество, вероятно, будет расти. От беспилотных автомобилей на общественных улицах до самопилотных многоразовых ракет — системы искусственного интеллекта все более и более автономно справляются со все более и более сложной деятельностью человека. Это ведет к новым сферам, в которых традиционная этика имеет ограниченное применение. И беспилотные автомобили, ошибки в которых могут быть опасными для жизни, и классификаторы машин, которые наносят ущерб социальным вопросам, могут служить примерами для входа в серые зоны этики: как ИИ воплощает нашу систему ценностей? Обучаются ли системы ИИ интуитивно понятным человеческим корреляциям? Если нет, можем ли мы оспорить систему ИИ?

    К сожалению, согласование социальных, этических и моральных норм со структурой науки и инноваций в целом — долгий путь.Согласно Kluxen (2006), который исследовал позитивную этику, появление новых вопросов приводит к интенсивным общественным дискуссиям, которые двигаются сильными эмоциями участников. И машинная этика (Bostorm, Yudkowsky, 2011; Russell et al., 2015; Kramer et al., 2018) не исключение. Рассмотрим, например, эмпирическое доказательство того, что человеческий язык отражает наши стереотипные предубеждения, Калискан и др. (2017). Когда системы ИИ обучаются человеческому языку, они несут в себе эти (исторические) предубеждения, такие как (неправильное) представление о том, что женщины менее квалифицированы для занятия престижными профессиями.Эти и аналогичные недавние научные исследования повысили осведомленность о машинной этике в средствах массовой информации и в общественном дискурсе. Системы искусственного интеллекта «могут унаследовать очень человеческий недостаток: предвзятость», как выразился генеральный директор Socure Сунил Мадху. Системы искусственного интеллекта больше не нейтральны по отношению к цели и обществу. В конечном итоге, если системы ИИ осуществляют выбор, они неявно делают этический и даже моральный выбор. Чаще всего выбор подразумевает попытку выбрать одну из двух или более (взаимоисключающих) альтернатив с результатом, который дает желаемые последствия в вашей этической системе взглядов.Но как нам оснастить системы ИИ, чтобы они могли делать этический выбор, подобный человеческому?

    Мы начинаем с представления наших предыдущих результатов (Jentzsch et al., 2019) с акцентом на количественную оценку деонтологической этики, то есть выяснение того, является ли само действие правильным или неправильным. Следуя Киму и Хукеру (2018), для репликации мы сначала сосредотачиваем внимание на атомарных действиях, а не на сложных поведенческих паттернах. Семантически эти контекстуальные изолированные действия представлены глаголами. Для выполнения этого задания создается шаблонный список подсказок и ответов для этического выбора.Шаблон включает в себя такие вопросы, как «Следует ли мне убивать?», «Следует ли мне любить?» И т. Д. С шаблонами ответов «Да / нет, я должен (не)». Оценка смещения модели рассчитывается как разница между оценкой модели положительного ответа («Да, я должен») и баллом отрицательного ответа («Нет, я не должен»). Для данного выбора общая оценка систематической ошибки модели представляет собой среднее значение оценок систематической ошибки всех шаблонов вопросов / ответов, сопряженных с этим выбором.

    Чтобы продемонстрировать присутствие человеческих предубеждений в тексте, мы подтверждаем часто упоминаемое отражение человеческих гендерных стереотипов, основанное на той же концепции, которую использует MCM, т.е.е. связи между различными концепциями выводятся путем вычисления вероятности конкретных компиляций вопросов и ответов. Однако, помимо этих злонамеренных предубеждений, естественный язык также неявно отражает широкий спектр других отношений, как социальные нормы, которые в конечном итоге определяют наше чувство морали. Таким образом, используя MCM, мы также демонстрируем наличие этической оценки в тексте, создавая этическую предвзятость действий.

    Сильная корреляция между ценностями WEAT и моральными предубеждениями на уровне глаголов дает основания для расширения исследования MCM, сначала проверяя сложные человеческие варианты выбора на уровне фраз, а во-вторых, если MCM может улавливать различные отраженные человеческие выборы. из разных текстовых источников.Моральная предвзятость действия зависит от окружающего контекста. Например, времени убийства соответствует , но против закона убийства людей . Кроме того, поскольку моральные предубеждения, запечатленные в вложениях текста, будут зависеть от текстовых источников, на которых обучаются вложения, мы дополнительно исследуем моральные предубеждения сложных действий и изменения моральных предубеждений различных корпусов. Для этого мы сначала создали список контекстно-зависимых действий и собрали различные наборы данных, такие как книги, изданные в разные века, новости за последние три десятилетия и конституции 193 стран.Эти недавно собранные наборы данных используются для переобучения универсального кодировщика предложений и для выявления моральных предубеждений. Наши результаты показывают, что MCM способен улавливать моральную предвзятость не только атомарных действий, но и действий с окружающим контекстом, и это можно использовать как инструмент для извлечения и изучения моральных предубеждений в текстовых источниках культуры и во времени.

    Этот документ является расширением документа конференции (Jentzsch et al., 2019), где мы представили основную машину морального выбора (MCM).Основываясь на расширении результатов Калискана и др. И аналогичных результатов, мы показываем, что стандартное машинное обучение может изучать не только стереотипные предубеждения, но и ответы на этические решения на основе текстовых данных, отражающих повседневную человеческую культуру. MCM расширяет границы подхода Word Embedded Association Test (WEAT) и демонстрирует наличие предубеждений в человеческом языке на уровне предложений. Более того, могут быть выявлены точные отпечатки социальных, этических и моральных предпочтений. В упомянутом выше документе конференции, однако, рассматривались только элементарные действия для оценки моральной предвзятости, заключенной во встраивании текста.В этой статье мы расширяем атомарные действия контекстной информацией, которая позволяет нам более подробно исследовать моральные предубеждения. Мы показали, что MCM не только улавливает, что можно и что нельзя делать атомных действий, но также и изменения моральных предубеждений с помощью контекстной информации, например, время убийства имеет положительное значение, а убивать людей — отрицательное значение (чем выше смещение , тем более приемлемо такое поведение). В этот документ также включены подробные экспериментальные результаты, в которых универсальный кодировщик предложений был переобучен с текстовыми источниками разных лет и типов источников, например.г. религиозные и конституционные документы, книги разных веков и новости разных лет. Эти результаты особенно важны, потому что мы показали, что характеристики переобученной модели отражают информацию, которая явно и неявно переносится в исходных текстах. Это приводит к изменению моральных предубеждений, в то время как модель адаптируется к данному текстовому источнику.

    Мы действуем следующим образом: после анализа наших предположений и необходимой предыстории, мы представляем MCM и конвейер репликации для оценки и ранжирования атомарных моральных выборов.Прежде чем завершить, мы представляем наши эмпирические результаты и текущие ограничения MCM.

    2. Предположения и общие сведения

    Прежде чем описывать MCM, мы начнем с обзора наших предположений, в частности, что мы подразумеваем под моральными выборами , и требуемой предыстории.

    2.1. Моральный выбор

    С философской точки зрения мораль относится к индивидуальному уровню «правильного» и «неправильного», в то время как этика относится к «правильным» и «неправильным» установкам, установленным социальным сообществом.Социальные нормы и неявные правила поведения существуют во всех человеческих обществах. Однако, хотя их присутствие вездесущно, их трудно измерить или даже последовательно определить. Основные механизмы все еще плохо изучены. Действительно, у любого рабочего сообщества есть абстрактная мораль, которая по сути действительна и должна соблюдаться. Однако теоретические концепции были определены как непоследовательные или даже иногда противоречащие друг другу. Соответственно, скрытая этика и мораль описывались как сумма определенных норм, которые не обязательно следует логическим рассуждениям.Недавно Lindström et al. (2018), например, предположили, что моральные нормы в значительной степени определяются тем, что считается общепринятым.

    Что касается сложности и неосязаемости этики и морали, мы ограничиваемся, как и в нашей предыдущей работе (Jentzsch et al., 2019), довольно простой реализацией этой конструкции, следуя теориям деонтологической этики. Они спрашивают, какой выбор является морально необходимым, запрещенным или разрешенным, вместо того, чтобы спрашивать, каким человеком мы должны быть или каким последствиям наших действий следует отдать предпочтение.Таким образом, нормы понимаются как универсальные правила того, что делать и чего не делать. Поэтому мы сосредотачиваемся на оценке общественного признания в отдельных глаголах, чтобы выяснить, какое из них представляет Do , а какое — Don’t . Поскольку мы специально выбрали шаблоны от первого лица, то есть спрашивая «Следует ли мне», а не спрашивая «Следует ли», мы обращаемся к моральному аспекту «правильных или неправильных» решений, а не только к их этическому аспекту. Это также объясняет, почему мы часто используем слово «моральный», хотя на самом деле мы касаемся «этики» и «морали».«Чтобы измерить оценку, мы используем тесты неявных ассоциаций (IAT) и их связи с встраиванием слов.

    2.2. Тест неявной ассоциации

    Тест на неявную ассоциацию (IAT) — это хорошо зарекомендовавший себя инструмент в социальной психологии для анализа отношения людей без специального запроса. Этот метод решает проблему, заключающуюся в том, что люди не всегда могут или хотят сказать, что у них на уме, а косвенно обнаруживают это в своем поведении.IAT измеряет величину дифференциальной ассоциации противоречивых концепций, измеряя скорость принятия решения в задаче назначения.

    Несколько исследований в литературе, которые стоит упомянуть и на которые часто ссылаются, уже используют IAT для выявления скрытых установок, включая дискриминацию по признаку пола и расы. Гринвальд и др. (1998) первоначально представили IAT. Они обнаружили несколько эффектов, включая как этически нейтральные, например, предпочтение цветов перед насекомыми, так и чувствительные, как предпочтение одной этнической группы над другой.Nosek et al. (2002b) сосредоточили внимание на проблеме гендерных стереотипов и пришли к выводу, что мужчины сильнее в математических областях, чем женщины.

    Кроме того, их результаты выявили связь между такими понятиями, как мужчина и наука, в отличие от женщин и гуманитарных наук, а также связь между мужчиной и карьерой в отличие от женщины и семьи (Nosek et al., 2002a). Наконец, Монтейт и Петтит (2011) обратились к стигматизации депрессии путем измерения неявных, а также явных ассоциаций.

    Все упомянутые исследования включают уникальное определение неспецифического измерения удовольствия или благосклонности, представленное набором общих положительных и отрицательных слов. В следующих пояснениях мы будем называть пересечение этих множеств положительными и отрицательными ассоциативными множествами.

    2.3. Вложения слов и предложений

    Вложения слов и предложений — это представления слов или предложений, соответственно, в виде векторов с действительными значениями в векторном пространстве. Этот подход позволяет словам и предложениям с похожим значением иметь сходные представления.В векторном пространстве они лежат близко друг к другу. тогда как несходные слова или предложения можно найти в отдаленных регионах (Turney and Pantel, 2010). Это позволяет определить семантическое сходство в языке и является одним из ключевых достижений впечатляющей производительности методов глубокого обучения.

    Хотя эти методы существуют уже некоторое время, с появлением распределительных подходов, основанных на прогнозировании, их потенциал значительно увеличился. В отличие от предыдущих реализаций, e.g., методы подсчета, эти вложения вычисляются искусственными нейронными сетями (NN) и позволяют выполнять широкий спектр математических векторных операций. Одним из начальных и наиболее распространенных алгоритмов обучения встраиванию слов является Word2Vec, представленный Mikolov et al. (2013), где неконтролируемое извлечение признаков и обучение проводится для каждого слова либо на CBOW, либо на Skip-gram NN. Это может быть расширено до полных предложений (Cer et al., 2018).

    2.4. Неявные ассоциации в вложениях слов

    Caliskan et al.(2017) перенесли подход неявных ассоциаций от людей к информационно-поисковым системам для естественного текста, представив тест ассоциации встраивания слов (WEAT). В то время как сила ассоциации в человеческом сознании определяется задержкой ответа в IAT, WEAT представляет собой косинусное подобие текста в евклидовом пространстве.

    Подобно IAT, сложные понятия определяются наборами слов. Связь любого вектора w → из одного слова с набором слов определяется как среднее косинусное сходство между w → и конкретными элементами набора.Рассмотрим два набора целевых слов X и Y . Распределение w → двух наборов дискриминирующих ассоциаций A и B можно сформулировать как

    s (w →, A, B) = avga → ∈A cos (w →, a →) −avgb → ∈B cos (w →, b →). (1)

    Слово с представлением w →, которое сильнее связано с понятием A дает положительное значение, а представление, связанное с B , — отрицательное значение.

    2,5. Универсальный кодировщик предложений

    Универсальный кодировщик предложений (USE), представленный Cer et al.(2018), представляет собой модель для кодирования предложений во встраиваемые векторы. Существует две версии USE, основанные на двух разных типах архитектур нейронных сетей: трансформаторные сети (Vaswani et al., 2017) (более высокое время вычислений и использование памяти) и Deep Averaging Networks (Iyyer et al., 2015). Выбор версии, то есть сетевой архитектуры, зависит от предпочтений пользователя в отношении памяти и вычислительных затрат. В обеих версиях кодировщик получает в качестве входных данных токенизированную строку PTB в нижнем регистре и выводит 512-мерный вектор в качестве вложения предложения.

    2.6. Диахронические изменения морали

    Язык развивается с течением времени. Согласно Yule (2016), изменения постепенные и, вероятно, их трудно заметить, пока они продолжались. Хотя некоторые изменения могут быть связаны с крупными социальными изменениями, вызванными войнами, вторжениями и другими потрясениями, наиболее распространенным источником изменений языка, по-видимому, является непрерывный процесс культурной передачи. По мере развития языка можно также наблюдать диахронические изменения морали. Однако со временем происходят не только изменения, но и различия между культурными, политическими и религиозными контекстами (например,г., Nilsson, Strupp-Levitsky, 2016). В недавней работе Кван (2016) сравнил принятие моральных решений в китайской и американской культуре. Кроме того, моральные основы сравнивались по отношению к разным культурам (Станков, Ли, 2016; Салливан и др., 2016), политическим системам (Кивикангас и др., 2017), культурным ценностям (Кларк и др., 2017) и отношениям. между социальными группами (Obeid et al., 2017).

    Для обнаружения языковых сдвигов (Bamler and Mandt, 2017) отслеживайте семантическую эволюцию отдельных слов с течением времени, сравнивая вложения слов.Гамильтон и др. (2016) количественно оценили семантические изменения, сравнив вложения слов с известными историческими изменениями. Поскольку Бамлер и Мандт (2017) делают вывод о внедрении слов, мы выводим вложения предложений для каждой временной метки. Однако вместо того, чтобы использовать фильтрацию Калмана для связывания вложений с течением времени, мы проверяем каждую изолированную временную метку. Кроме того, мы исследуем различия в моральных предубеждениях между разными типами текстовых источников.

    3. Извлечение простых вещей, которые можно и что нельзя делать из текста

    Мы начнем с того, что покажем, как можно извлекать из текста простые правила, которые можно и что нельзя делать, в зависимости от уровня слов, т.е.е., выученные представления слов. Мы ориентируемся на глаголы, поскольку они выражают действия. Следовательно, простая идея состоит в том, чтобы создать два противоположно значимых набора глаголов, которые отражают измерение ассоциации, которое определяется прикладными наборами ассоциаций. Это можно сделать в два этапа. С этой целью глаголы необходимо идентифицировать грамматически, а затем каким-либо образом оценивать, чтобы можно было сравнивать отдельные элементы.

    Мы использовали POS-теги, предварительно определив огромный внешний список глаголов для фильтрации словаря.В модели Google News можно выделить около двадцати тысяч различных глаголов. Впоследствии уравнение (1) применялось для оценки каждого отдельного элемента по его косинусному расстоянию до двух заданных наборов ассоциаций A и B . По сути, любые два набора слов, которые определяют интересующее понятие, могут применяться как наборы ассоциаций. Здесь цель состоит в том, чтобы определить Do и Don’ts в целом. По этой причине из различных литературных источников было собрано большое количество глаголов с положительными и отрицательными коннотациями.Точнее, списки возникли в результате объединения наборов ассоциаций экспериментов IAT, о которых говорилось ранее. Подробный список слов можно найти в дополнительных материалах. Полученные наборы глаголов были определены как 50 элементов с наиболее положительной и наиболее отрицательной оценкой ассоциации соответственно. Во избежание повторов все слова оценивались в форме основы. Поэтому в окончательных списках не учитываются конкретные спряжения.

    Чтобы оценить результирующую моральную предвзятость представленной на следующем этапе машины морального выбора, будет исследована корреляция ценностей WEAT и моральной предвзятости этих извлеченных действий.Таким образом, мы следуем конвейеру репликации на Рисунке 1: (1) извлекают глаголы с помощью тестов ассоциации встраивания слов (WEATs), (2) запрашивают MCM , наш основной алгоритм, и (3) коррелируют значения WEAT и моральные предубеждения. Хотя оба метода — извлечение глаголов и MCM — основаны на некогерентных вложениях с разными корпусами текста в качестве обучающих источников, мы показываем, что они соответствуют в классификации действий как Do и Don’ts .Это подтверждает гипотезу о наличии общепринятой оценки в человеческом тексте.

    Рисунок 1 . Конвейер репликации, используемый для демонстрации того, что семантика, автоматически полученная из языковых корпусов, содержит человеческие моральные выборы для атомарных выборов.

    4. Машина морального выбора (MCM)

    Подходы, основанные на словах, например гендерная предвзятость, рассматривают только отдельные слова, которые отделяют их от их грамматического и контекстного окружения. В этом исследовании мы предлагаем MCM, который использует вложения предложений для определения моральных предубеждений.

    Используя вложения предложений, например универсальный кодировщик предложений (Cer et al., 2018), схожесть двух предложений, например вопроса и соответствующего ответа, можно вычислить с помощью косинусного сходства. Мы ожидаем более высокой оценки сходства, если ответ более подходит для данного вопроса, и наоборот. Теперь представьте, что у нас есть оценки сходства двух противоположных ответов на заданный вопрос. Затем можно вычислить смещение, аналогично уравнению (1), следующим образом:

    bias (q →, a →, b →) = cos (a →, q →) -cos (b →, q →), (2)

    где q → — векторное представление вопроса, а a → и b → — представления двух ответов / вариантов выбора.Положительное значение указывает на более сильную связь с ответом на , тогда как отрицательное значение указывает на более сильную связь с b .

    Это можно адаптировать к любому произвольному типу предвзятости, сформулировав соответствующие тройки вопрос-ответ, где вопрос отражает целевое измерение, а ответы представляют собой два противоположных проявления, то есть варианты выбора. Это проиллюстрировано на Рисунке 2 для моральной предвзятости действия убийства людей . Поскольку убийство — довольно деструктивное поведение, в котором обычно отказываются, предполагается, что вопрос будет ближе к отрицательному ответу и, таким образом, приведет к отрицательной предвзятости.В частности, мы рассмотрели два разных предубеждения: гендерное и моральное.

    Рисунок 2 . Машина морального выбора проиллюстрирована для выбора убийства человек и образцового вопроса Должен ли я…? из шаблона вопроса.

    Подход к извлечению гендерной предвзятости фокусируется на соотношении рода занятий и пола и показывает, что MCM может повторить выводы Калискана и др. (2017). Например, на вопрос « Сантехник был здесь сегодня? »оба ответа« Да, он был .»И« Да, ей было ». может быть правильным. Вычислив косинусные расстояния этих фраз, можно отнести занятия к тому или иному полу. Были указаны два вопроса, которые встречаются в настоящем и прошедшем времени: « Ваш двоюродный брат был…? »и« Был / был… здесь сегодня? ». Возможные ответы шаблона: « Да, он был / был ». и « Да, она была / была ..» Таким образом, всего было четыре вопроса для вычисления гендерных предубеждений.

    Мы можем заметить, что уместность ответа на моральный вопрос немного изменится в зависимости от типа вопроса, например, «Можно ли» и «Рекомендуется ли» могут даже дать два разных ответа. Чтобы предотвратить влияние типа вопроса и создать более значимую и полную статистику, подготовлен шаблон вопроса / ответа, состоящий из 10 подсказок типа вопрос-ответ. Шаблон вопроса / ответа для моральных предубеждений, наша основная цель, включал 10 подсказок, обобщенных в таблице 1, где любой термин действия может быть вставлен в точки.Все подсказки имеют одинаковую структуру: действие отражается в вопросе, а ответы представляют собой две крайности социальной желательности. Вопросы были, например, « Разрешено ли…?» или « Должен ли я…? ». Ответы были грамматически скорректированы на вопрос, например: « Да, это ». vs. « Нет, это не ». соответственно « Да, вам следует ». vs. « Нет, не надо .». Интересующий элемент вставляется в каждую рассмотренную подсказку, и результирующие смещения усредняются до общего значения смещения.Помимо атомарных действий, например, улыбка, любовь, ложь или убийство , этот шаблон можно использовать для сложных контекстных действий, например, любить моих родителей, любить мою жену / мужа, убивать людей, убивать насекомых или убивать время .

    Таблица 1 . Шаблон вопроса / ответа машины морального выбора.

    Как упоминалось выше, MCM основан на встраивании текста. Рассматриваемые вложения основаны на базовом источнике данных (и функции обучающего объекта), на котором был обучен кодировщик — в нашем случае нейронная сеть.Для проверки конкретных данных кодировщик может быть адаптирован к этим данным. Следовательно, MCM можно использовать как инструмент для воспроизведения моральных предубеждений из данного текста. Чтобы исследовать моральную предвзятость данного источника текста, мы переобучаем сеть, используя соответствующие корпуса текстов для решения как контролируемых, так и неконтролируемых учебных задач. Предполагая, что мы наблюдаем изменения морали в этих текстовых источниках, для решения задачи семантического сходства сеть внедрения должна узнать, в каком контексте используются слова и фразы, и, следовательно, адаптировать лежащие в основе моральные предубеждения.Теперь, используя MCM на основе адаптированного внедрения, можно извлечь моральную предвзятость запрашиваемых действий для исследования данного источника данных.

    5. Результаты и обсуждение

    В этом разделе эмпирически исследуется, что корпуса текстов содержат поддающиеся восстановлению и точные отпечатки наших моральных предпочтений. С этой целью мы начинаем описание встраиваемых моделей и наборов данных, используемых в наших экспериментах, после чего представляем экспериментальную установку и обсуждаем результаты.

    5.1. Наборы данных

    Эксперименты MCM проводились с универсальным кодировщиком предложений (Cer et al., 2018), который обучен фразам и предложениям из различных текстовых источников, таких как форумы, платформы для ответов на вопросы, новостные страницы и Википедия, и дополнен контролируемыми элементами. Общие наборы положительных и отрицательных ассоциаций — A и B в уравнении (1) — были собраны из предыдущей литературы, как описано ранее (см. Раздел 3). Полный список словаря можно найти в таблице 2. Хотя есть неограниченные возможности указать, чтобы заменить это измерение ассоциации, мы придерживаемся этого списка, поскольку мы стремимся показать наличие неявной социальной оценки в семантике в целом.Наборы общих Do’s и Don’ts , используемые для MCM, основаны на извлеченных глаголах, описанных в разделе 3.2. Чтобы исследовать действия, основанные на контексте, позже мы расширим список извлеченных глаголов, среди прочего, нейтральными глаголами и соответствующим обычным контекстом.

    Таблица 2 . Полный список положительных и отрицательных ассоциативных слов, которые были применены для создания того, что можно и чего нельзя делать с помощью извлечения глаголов.

    Мы используем различные текстовые источники, чтобы переобучить модель ЕГЭ, чтобы исследовать изменения в моральных предубеждениях.Поскольку наш метод основан на встраивании предложений, мы зависим от наборов данных с полной информацией на уровне документа и предложения, а не только, например, с метаинформацией, как в корпусе Google Книг, используемом в Bamler and Mandt (2017). Список текстовых источников, использованных в данной статье для переобучения модели ЕГЭ, может быть представлен следующим образом:

    Новости . Этот источник данных состоит из трех отдельных наборов данных, содержащих новости, появившиеся в ленте новостей Reuters за три разных периода времени.

    1987 , его первоначальное название — Reuters-21578, которое состоит из новостей, появившихся в 1987 году.Общее количество предложений — 106 892.

    1996–1997 , его первоначальное название — RCV1 (Lewis et al., 2004). Общее количество предложений — 11 693 568.

    2008–2009 , исходное название TRC2. Общее количество предложений — 12 058 204 предложения.

    Книги . Этот источник данных взят из репозитория «Исследовательский репозиторий Британской библиотеки», который состоит из оцифрованных книг за разные века.

    1510–1600 , всего 1 443 643 предложения.

    1700–1799 , всего 3 405 165 предложений.

    1800–1899 , этот век разделен на десятилетия, где общее количество приговоров за все десятилетия составляет 230 618 836.

    Религия и конституция . Этот набор данных объединяет два разных источника, где источник религиозных данных состоит из четырех религиозных книг, а именно Библия, Будда, Мормон и Коран. Конституция, с другой стороны, группирует конституции 193 стран.Эти текстовые источники взяты из репозитория «Project Gutenberg» и веб-сайта «https://www.constituteproject.org» соответственно. Общее количество предложений в этом наборе данных — 167 737.

    Каждый набор данных прошел этап предварительной обработки, на котором определяется язык текста, и текст удаляется, если он не английский. Затем мы используем Sentence Tokenizer из пакета nltk, чтобы разделить текст на предложения. Полученные списки предложений передаются в нейронную сеть для этапа переподготовки, где ЕГЭ используется в качестве предварительно обученной модели.Мы используем структуру Tensorflow для повторного обучения модели USE с оптимизатором стохастического градиентного спуска ADAM (Kingma and Ba, 2015). Количество итераций установлено равным одному миллиону для задач без учителя и с учителем со скоростью обучения 0,00005. Более подробную информацию можно найти в дополнительных материалах и в нашем общедоступном репозитории.

    Оценивая различные текстовые источники, то есть вычисляя оценку моральной предвзятости, мы начинаем с предположения, что каждое действие содержится в источнике.Однако, если соответствующее действие не содержится в источнике или его частота мала, мы сообщаем об этом вместе с результирующим смещением.

    5.2. Экспериментальная установка

    Мы проводим следующие эксперименты: (i) Проверка наличия злонамеренных предубеждений, то есть гендерных стереотипов, при встраивании предложений. (ii) Извлечение общих отрицательных и положительных наборов слов из вложений слов Google Slim. (iii) Сравнение представленного подхода с WEAT, основанного на простом атомарном моральном выборе и демонстрирующего наличие морального выбора при встраивании предложений.(iv) Исследование отраженных моральных ценностей с учетом действий с различной контекстной информацией. (v) Извлечение моральных ценностей из различных источников текста: Новости, Книги, Религия и Конституция.

    Что касается наших основных экспериментов с MCM (iii – iv), мы провели эксперименты с USE, основанным на сетевой архитектуре с глубоким усреднением. Поскольку кодировщик на основе трансформатора обеспечивает наилучшую общую производительность задачи передачи (Cer et al., 2018), мы выбрали его для точной настройки сети на разных наборах данных, чтобы сравнить этический выбор между различными текстовыми корпусами (v).Обратите внимание, что эксперименты (iii – iv) привели лишь к незначительным различиям в оценке морали для обеих архитектур.

    Чтобы адаптировать кодировщик к различным наборам данных, мы следуем процедуре обучения Cer et al. (2018). Сеть встраивания обучается с помощью задачи типа Skip-Thought (Kiros et al., 2015) — дать предложение, предсказать следующее и предыдущее предложение — для обучения без учителя на произвольном бегущем тексте. Обучение без учителя дополняется задачей классификации для обучения на данных с учителем.Более подробную информацию о настройке обучения и гиперпараметрах можно найти в дополнительном материале (раздел S.1.2).

    5.3. Подтверждение гендерных предубеждений

    Мы начинаем нашу эмпирическую оценку с демонстрации того, что подход, на котором основан MCM, может подтвердить предыдущие выводы (Bolukbasi et al., 2016; Caliskan et al., 2017), демонстрируя наличие злонамеренных гендерных стереотипов в отношении занятий на естественном языке. . Это подтверждает, что представленный подход может извлечь эти предубеждения из встраивания предложений.В частности, разные профессии вставляются в соответствующий шаблон вопроса / ответа.

    В Таблице 3 перечислены 10 основных профессий, связанных с предвзятостью женщин и мужчин (с наибольшим и наименьшим значением предвзятости). Положительные значения указывают на термин, более связанный с женщинами, тогда как термины, которые дают отрицательное смещение, с большей вероятностью связаны с мужчиной. Пристрастные к женщинам профессии включают несколько профессий, которые соответствуют стереотипу о женщинах, как, например, регистратор , домработница или стилист .Точно так же предвзятые мужские профессии поддерживают стереотипы, поскольку они включают должности президента , сантехника или инженера . Результаты ясно показывают, что гендерные различия присутствуют в человеческом языке.

    Таблица 3 . Подтверждение гендерной предвзятости в профессии: чем положительнее, тем больше женщин; чем больше отрицательного, тем больше мужского.

    5.4. Извлечение отрицательных и положительных наборов слов

    Затем мы делаем вывод об социально желаемом и игнорируемом поведении, чтобы сравнить Машину морального выбора с ПОГОДОЙ на уровне слов.В частности, мы извлекаем слова, определяющие наиболее положительные и наиболее отрицательные связанные глаголы в словаре. Они были извлечены с помощью общих наборов положительных и отрицательных ассоциаций при внедрении Google Slim.

    Поскольку ожидается, что следующие рейтинговые наборы будут отражать социальные нормы, в дальнейшем они именуются и запретов . В таблице 4 перечислены наиболее положительные ассоциированные глаголы (в порядке убывания), которые мы нашли. Несмотря на то, что глаголы в списке довольно разнообразны, все они несут позитивный настрой.Некоторые глаголы связаны с праздником или путешествием, другие — с любовью или физической близостью. Все элементы вышеперечисленного набора носят скорее общий и неспецифический характер.

    Таблица 4 . Список наиболее положительных и отрицательных связанных глаголов, найденных с помощью функции извлечения глаголов.

    Аналогично, в таблице 4 представлены наиболее негативные ассоциированные глаголы (в порядке убывания), которые мы обнаружили в нашем словаре. Некоторые слова просто описывают ненадлежащее поведение, например slur или misdeal , тогда как другие являются настоящими преступлениями как убийство .Тем не менее, существуют слова, например, гноя или гниль , которые кажутся отвратительными. Exculpate само по себе неплохое поведение. Однако его появление в наборе Don’ts неудивительно, поскольку оно семантически и контекстно связано с нарушениями. Некоторые слова имеют удивительно отталкивающий характер, поскольку это даже не предполагалось в предварительном рассмотрении, например, depopulate or dehumanize . Несомненно, слова в списке можно принять как общепринятые Не .Оба списка включают несколько слов, которые довольно часто используются в качестве существительных или прилагательных, например, радость, долгий, подарок или плохой . Тем не менее, они также могут использоваться как глаголы и соответствовать требованиям делать или не делать в этой функции.

    Распределение глаголов на Do и Don’ts было подтверждено аффективным лексиконом AFINN (Nielsen, 2011). AFINN позволяет оценивать слова и фразы по валентности по шкале от −5 до 5, что указывает на внутреннюю коннотацию.Элементы без оценок считаются нейтральными (0,0).

    При передаче полных списков сгенерированных Do и запретов в AFINN, средний рейтинг для Do составляет 1,12 ( стандарт = 1,24), а для запретов −0,90 ( стандарт = 1.22). Статистика t дала значения t = 8,12 с p <0,0001 *** . Если пренебречь всеми глаголами, не включенными в AFINN, среднее значение для Do будет равно 2.34 ( std = 0,62, n = 24) и среднее значение для Don’ts −2,37 ( std = 0,67, n = 19), опять же с очень значимой статистикой ( t = 23,28 , р <0,0001 *** ). Таким образом, сентиментальный рейтинг полностью соответствует присвоению Verb Extraction.

    Извлечение глагола очень успешно и дает полезных советов и запретов . Наборы слов содержат последовательно положительные и отрицательные коннотированные глаголы, соответственно, которые могут представлять общественно согласованную норму в правильном контексте.Проверка AFINN ясно показывает, что оценка положительных и отрицательных глаголов соответствует другим независимым системам оценки.

    5.5. Простой атомный моральный выбор

    Основываясь на извлеченных Do и Don’ts , мы используем MCM, чтобы продемонстрировать, что не только негативные стереотипы присутствуют во встроенных текстах, но и социальные нормы. Далее мы проверяем наш подход, вычисляя корреляцию морального предубеждения и соответствующего значения WEAT.Предполагается, что возникающие моральные предубеждения соответствуют значению WEAT каждого слова. Корреляция была проверена с помощью коэффициента корреляции Пирсона:

    r (X, Y) = ∑x∈X, y∈Y (x-mx) (y-my) ∑x∈X, y∈Y (x-mx) 2 (y-my) 2, (3)

    , где м x и м y — средние значения X и Y . r Пирсона находится в диапазоне от -1, что указывает на сильную отрицательную корреляцию, и 1, что указывает на сильную положительную корреляцию.Уровни значимости определены как 5, 1 и 0,1%, обозначены одной, двумя или тремя звездочками.

    В частности, чтобы выяснить, верны ли настроения извлеченных Do и Don’ts для более сложного уровня предложения, мы вставляем их в шаблоны вопросов / ответов MCM. Полученные в результате моральные предубеждения / выборы суммированы в Таблице 5, в которой представлены моральные предубеждения для пяти лучших Do’s и Don’ts по значению WEAT обоих наборов.Порог между группами не 0, а немного сдвинут в отрицательную сторону. Однако различие между Dos и Don’ts четко отражено в значениях смещения. Среднее смещение всех рассматриваемых элементов составляет -0,188 ( стандартное = 0,25), при этом среднее значение Dos составляет -0,007 ( стандартное = 0,18, n = 50), а среднее значение Неверно . -0,369 ( стандарт = 0,17, n = 50). Два образца t -тест подтверждают, что смещение Do значительно выше, чем смещение Don’ts с t = 10.20 и p <0,0001 *** .

    Таблица 5 . (Вверху) Оценка моральной предвзятости 10 лучших и Не по моральной предвзятости.

    Корреляция между ценностью WEAT и моральными предубеждениями становится еще более ощутимой при графической проверке их корреляции, ср. Рисунок 3. Как можно ясно видеть, значения WEAT для Do выше, чем у Don’ts , что неудивительно, поскольку это было целью по определению.Что еще более интересно, диаграммы рассеяния Do’s и Don’ts также разделены по оси абсцисс. Как видно на графике, порог моральной предвзятости находится где-то около -0,02, что соответствует общему среднему значению. Корреляционный анализ по методу Пирсона показывает сравнительно сильную положительную корреляцию с r = 0,73.

    Рисунок 3 . Корреляция оценки моральной предвзятости и значения WEAT для общего Dos и Don’ts . (Синяя линия) Корреляция, коэффициент корреляции Пирсона r = 0.73 с p = 9,8830 e −18 , что указывает на значительную положительную корреляцию.

    Эти результаты показывают, что если мы построим систему ИИ, которая узнает достаточно о свойствах языка, чтобы иметь возможность понимать и воспроизводить его, в процессе она также приобретет исторические культурные ассоциации, чтобы сделать человеческие «правильными» и «неправильными». выбор.

    5.6. Сложный моральный выбор

    Сильная корреляция между ценностями WEAT и моральными предубеждениями на уровне глаголов дает основания исследовать MCM для сложных человеческих выборов на уровне фраз.Например, времени убийства соответствует , но против закона убийства людей . Это хорошее поведение, чтобы любить своих родителей , но не грабить банк . Чтобы увидеть, может ли MCM в принципе иметь дело со сложным выбором и неявной контекстной информацией, мы рассмотрели ранжирование ответов, вызванное косинусным сходством. Примеры в Таблице 6 показывают, что текстовые источники действительно могут содержать сложные человеческие варианты, воспроизводимые MCM.

    Таблица 6 . Сравнение подобия сложных выборов Машины морального выбора.

    Чтобы исследовать это дальше, мы рассматриваем набор таких атомарных действий и объединяем их с различной контекстной информацией, например, « Должен ли я иметь ружье для охоты на животных? »или« »Должен ли я иметь пистолет, чтобы защищаться? ». Мы вычислили моральную предвзятость и перечислили рейтинг одного и того же действия с различной окружающей контекстной информацией в таблице 7. Рейтинг показывает, например, что лучше приветствовать друга , затем врага или есть здоровую пищу и овощи вместо мясо .Скорее для повеселитесь , а не для , есть пистолет . В общем, не следует лгать , но лгать незнакомцу более положительно по сравнению с лгать своей девушке / парню . Моральные предубеждения выбранной контекстной информации в сочетании с действием убить перечислены от наиболее положительных до наиболее отрицательных следующим образом: убить время, убить убийцу, убить комаров, убить — в целом — убить людей . Более того, более приемлемо иметь ружье для охоты на животных , чем иметь ружье для убийства людей .Тем не менее, большая часть отраженных моральных предубеждений кажется разумной, хотя некоторые действия кажутся спорными. Почему не должно быть хорошим поведением в поисках истины ? И причиняют вред животным , и причиняют вред незнакомцам имеют отрицательные моральные предубеждения, но является ли причинение вреда незнакомцам более позитивным по сравнению с причинением вреда животным ?

    Таблица 7 . Ранжирование моральной предвзятости выбранных действий с окружающим контекстом (оригинальное внедрение универсального кодировщика предложений).

    Таблица 8 показывает 25 наиболее положительных и отрицательных контекстных действий и соответствующих им моральных предубеждений. Если мы сравним все действия, то можно увидеть, что такие действия, как приветствуют…, улыбаются…, обнимаются… и путешествия… в целом положительны, но также развлекаются, преследуют мою страсть, убивают время, разговаривают моему мужу положительные. Оба, заключенных пыток и я , указаны как До . Думая о спорте, побуждая людей подвергать себя физическим пыткам ради шанса заслужить восхищение, можно утверждать, что в этом есть что-то положительное.Однако является ли пытка заключенных положительным поведением? Подобные вопросы возникают и по самым негативным действиям. Разумно, что у есть оружие, чтобы убивать людей. — одно из самых негативных действий. Интересно, что замуж отрицательно. Я не должен есть мясо , но я также не должен быть вегетарианцем . Более того, доверять кому-то, ни мне, ни людям, ни машинам, — это нехорошо.

    Таблица 8 .Оценка моральной предвзятости 25 лучших и действий против действий с окружающей контекстной информацией.

    Одним из способов исследования возникающих в результате моральных предубеждений в действиях является анализ основного источника данных, на котором было обучено встраивание. Поскольку необработанные данные исходного внедрения не являются общедоступными, мы не можем исследовать это дальше. Однако эти результаты показывают, что MCM способен воспроизводить сложный моральный выбор — действие с окружающим контекстом -.Затем мы адаптируем встраивание к различным общедоступным наборам данных и исследовали изменения моральных предубеждений.

    5,7. Диахронический моральный выбор

    В предыдущих разделах мы показали, что MCM может извлекать моральное предубеждение на основе данных, на которых он обучается, мы можем использовать его, переобучая сеть (-весы) на разных источниках данных, адаптируя ее все больше и больше к данные, которые мы хотим проанализировать. Как упоминалось выше, мы выбрали следующие корпуса:

    • Новости (1987, 1996-97, 2008-09),

    • Книги 1510–1699, 1700–1799, 1800–1899 (с разделением на декады) и

    • Текстовые источники по религии и конституции.

    Таблица 9 показывает — на основе извлеченных из наборов данных моральных предубеждений — пять основных положительных и отрицательных действий с окружающей контекстной информацией (обширный список можно найти в дополнительных материалах). Моральная предвзятость действий в разных корпусах продолжает идентифицировать Do и Don’ts , но, как и ожидалось, моральная предвзятость и, следовательно, порядок отдельных действий различаются в разные периоды времени и между разными текстовыми источниками. Например, моральная предвзятость, извлеченная из новостей за 1987 и 1996–1997 годы, свидетельствует о том, что очень позитивно вступают в брак с и становятся хорошими родителями .Извлеченная предвзятость из новостей с 2008 на 2009 год по-прежнему отражает то, что оба являются положительными, но, на что указывает более низкий рейтинг, оба утратили важность. Вместо возросла важность и поработать и школа. Кроме того, в таблице 10 показано ранжирование выбранных действий по наборам данных. Видно, что ходят в церковь — одно из самых положительных действий (ранг 11, см. Таблицу S7) в текстах религиозных и конституционных текстов. Все текстовые источники отражают, что, например, убивают людей и крадут деньги крайне отрицательно.То, что вы должны любить своих родителей , сильнее отражается в книгах, религиозных источниках и текстах конституции, чем в новостях.

    Таблица 9 . Пять основных положительных и отрицательных действий, основанные на извлеченных из наборов данных моральных предубеждениях, с окружающей контекстной информацией (обширный список можно найти в дополнительных материалах).

    Таблица 10 . Рейтинг моральных предубеждений, основанный на извлеченных из наборов данных моральных предубеждениях отдельных действий различных корпусов.

    Далее, чтобы проиллюстрировать диахроническое изменение морали, на Рисунке 4 показана предвзятость выбранных действий: « Должен ли я есть…? , »« Мне пойти в…? , »« А надо…? , »« Стоит ли доверять…? »и« Должен ли я жениться…? »с различной контекстной информацией. Можно видеть, что позитивность есть мясо и продуктов животного происхождения уменьшилась (Рисунок 4A), важность работы и образования увеличилась (Рисунок 4B). Имейте спутника жизни. имеет большее значение в текстах религиозных и конституционных текстов (рис. 4C). Ссылаясь на результаты из книг и новостей, лучше доверять друзьям , а не незнакомцам . Однако, следуя религиозным текстам и текстам конституции, следует также доверять незнакомцам (рис. 4E). Рисунок 4D иллюстрирует развитие женитьбы , отраженное в книгах в течение 19 века. Как можно заметить, ранжирование контекстной информации не меняется каждое десятилетие, хотя ее важность меняется.

    Рисунок 4 . Диахронические изменения извлеченных моральных предубеждений, продемонстрированные различными контекстными действиями и различными текстовыми источниками; ( A, B : Новости с 1987, 1996 по 1997 и с 2008 по 2009 годы; C, E : Религия и конституция, Книги с 1800 по 1899 год и Новости с 2008 по 2009 год, и D : Книги с 1800 года). до 1899 г. разделены на десятилетия).

    Как видно из экспериментальных результатов, представленных в этом разделе, моральные предубеждения меняются, в то время как модель адаптируется к данному текстовому источнику.Однако текстовые источники будут различаться с точки зрения контекста, следовательно, с точки зрения лексики и словосочетаний, существующих в тексте. Чтобы выяснить, повлияет ли на моральное предубеждение отсутствие повторов действий только с контекстной информацией в двух последовательных предложениях, мы извлекли частоту действий с контекстной информацией и без нее. Мы представляем отсутствие вхождений словосочетаний, т. Е. Действий с контекстной информацией, и корневых действий, т. Е., атомарные действия в таблицах 9, 10, где «*» означает, что соответствующее действие и контекстная информация не существуют вместе в двух последовательных предложениях. «**», с другой стороны, означает, что корневое действие вообще не существует в тексте. Последнее в основном вызвано узостью источника текста, например, в News 1987 есть только ~ 107 тыс. Предложений, а в книгах с 1800 по 1899 г. ~ 230 миллионов предложений. Как видно из наших результатов, моральная предвзятость меняется независимо от наличия и отсутствия явлений.Расширяя работу Hamilton et al. (2016) для встраивания предложений, можно было бы исследовать основные механизмы алгоритма обучения, чтобы глубоко понять работу встраивания предложений и изменений, вызванных количеством вхождений слова / фразы, а также отсутствием вхождений этих слов / фраз. . Однако это не тема данной статьи, а работа в будущем.

    5,8. Обсуждение

    Наши эмпирические результаты показывают, что MCM расширяет границы подходов WEAT и демонстрирует наличие предубеждений в человеческом языке на уровне фраз.Предыдущие данные о гендерных предрассудках при внедрении были успешно воспроизведены. Что еще более важно, как показали наши экспериментальные результаты, предубеждения в человеческом языке на уровне фраз позволяют машинам определять моральный выбор. Характеристики переобученной модели отражают информацию, которая явно и неявно переносится в исходных текстах. Следовательно, две модели, обученные на разных корпусах текста, представляют разные отношения и ассоциации. Факторами, которые существенно определяют характер литературы и, следовательно, ассоциации, отраженные в обученных моделях, могут быть, например, время происхождения, политическая и конфессиональная обстановка или тип текстовых источников.Таким образом, обучая основную модель встраивания MCM с различными источниками, мы показали, что можно исследовать социальные, этические и моральные решения, принимаемые данным источником данных.

    Мы представили Машину морального выбора и показали, что вложения текста кодируют знания о деонтологическом этическом и даже моральном выборе. Однако у MCM есть некоторые ограничения.

    Наши эксперименты показывают, что MCM может оценивать отдельные действия и действия с контекстной информацией e.g., времени убийства или убийства людей . Мы увидели, что пыток людей — это то, чего нельзя делать, но пыток заключенных отражены в выученных вложениях как довольно нейтральные (см. Таблицу 8). Следовательно, кажется, что MCM применим для ранжирования действий на основе контекстной информации. Однако, если мы рассмотрим ранжирование совершенно разных действий, ранжирование будет сомнительным, например, поедание продуктов животного происхождения имеет более отрицательный результат, чем , убивая людей .Подход к преодолению этого ограничения может заключаться в точной настройке модели с помеченным набором данных моральной оценки, аналогичным подходам к устранению недостатков встраивания слов (Bolukbasi et al., 2016).

    Кроме того, мы заметили, что MCM можно обмануть, добавив положительные прилагательные в запрашиваемое действие. Возьмем для примера вреда людям . MCM оценивает это действие с отрицательным значением -0,058, что является одним из самых негативных действий, которые мы оценивали. Если мы проверим вредных людей , MCM все равно даст отрицательный результат (-0.035), но если мы продолжаем добавлять все больше и больше положительных слов, MCM будет оценивать действие более положительно:

    вред добрых и хороших людей имеет оценку –0,0261,

    вред добрых, приятных и дружелюбных людей имеет оценку –0,0213,

    вред хорошие, приятные, дружелюбные, позитивные, милые, милые и веселые люди имеет оценку 0,0191.

    Petroni et al. (2019) показали, что текущие предварительно обученные языковые модели обладают удивительно сильной способностью вспоминать фактические знания без какой-либо тонкой настройки, демонстрируя их потенциал в качестве неконтролируемых систем обеспечения качества с открытым доменом.Однако, как исследовали Касснер и Шютце (2019), большинство этих моделей в равной степени склонны генерировать факты и их отрицание. Поскольку MCM основан на этих предварительно обученных языковых моделях, мы исследовали ту же проблему и можем подтвердить выводы Касснера и Шютце (2019). Однако недавние подходы, такие как Zhang et al. (2020), уже пытаются обойти такие ограничения.

    6. Заключение

    Представляя структуру The Moral Choice Machine (MCM), мы продемонстрировали, что встраивание текста кодирует не только злонамеренные предубеждения, но и знания о деонтологическом этическом и даже моральном выборе.Представленная машина морального выбора может быть использована с недавними моделями встраивания предложений. Следовательно, он может принимать во внимание контекст морального действия. Наши эмпирические результаты показывают, что корпуса текстов содержат восстанавливаемые и точные отпечатки нашего социального, этического и даже морального выбора. Например, были выявлены такие варианты, как убивать живых существ, но убивать время — это нормально. Кушать необходимо, но нельзя есть грязь. Распространение информации важно, но не следует распространять дезинформацию.Система также находит связанные социальные нормы: помогать уместно, но помогать вору — нет. Кроме того, мы продемонстрировали, что можно отслеживать эти варианты выбора с течением времени и сравнивать их среди различных корпусов текстов.

    Существует несколько возможных направлений будущей работы, в частности, при включении модулей, созданных с помощью машинного обучения, в системы принятия решений (Kim et al., 2018; Loreggia et al., 2018). Следуя Bolukbasi et al. (2016) и Диксон и др. (2018), е.г . мы можем изменить вложение, чтобы удалить гендерные стереотипы, такие как связь между словами медсестра и женщина, при этом сохраняя желаемый моральный / социальный выбор, например, не убивать людей. Это, в свою очередь, может быть использовано для обеспечения безопасности обучения с подкреплением (Fulton and Platzer, 2018) также для морального выбора путем упорядочения, например, дифференциальной динамической логики Фултона и Платцера для согласования с предубеждениями MCM. Еще более интересна такая система, интегрированная в интерактивного робота, в которой пользователи будут обучать и пересматривать моральные предубеждения робота в интерактивной обучающей среде.Еще одно возможное направление в будущем — изучить, как текстовые источники влияют на моральные предубеждения. Вместо сравнения разных текстовых источников можно было манипулировать выбранным корпусом; то есть удалять, переставлять и добавлять данные, чтобы исследовать изменения в моральной предвзятости и, в конечном итоге, манипулировать самой моральной предвзятостью. Это может привести нас к лучшему пониманию того, как и что нейронная сеть узнает из текстового источника.

    Заявление о доступности данных

    Наборы данных Reuters-21578, RCV1, TRC2, оцифрованные книги, а также тексты религиозных и конституционных текстов, использованные в этом исследовании, можно найти в следующих хранилищах:

    • Reuters-21578: http: // www.daviddlewis.com/resources/testcollections,

    • RCV1 и TRC2: https://trec.nist.gov/data/reuters/reuters.html,

    • Оцифрованные книги 1510–1600, 1700–1799, 1800–1899: Исследовательский репозиторий Британской библиотеки (https://data.bl.uk/digbks),

    • Религиоведение: Проект Гутенберг (https://www.gutenberg.org/).

    • Конституция: проект «Конституция» (https://www.constituteproject.org/).

    Все данные, перечисленные выше, общедоступны, за исключением RCV1 и TRC2, где они доступны по запросу.

    Исходный код находится в репозитории: https://github.com/ml-research/moral-choice-machine-v2.

    Авторские взносы

    CR, KK, PS и SJ внесли свой вклад в концепцию и дизайн исследования. CT и PS организовали корпуса и переобучили модели. CT, PS и SJ провели статистический анализ и эксперименты и написали первый черновик рукописи. Все авторы написали разделы рукописи, внесли свой вклад в редактирование рукописи, прочитали и одобрили представленную версию.

    Конфликт интересов

    Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

    Благодарности

    Авторы хотели бы поблагодарить рецензентов, а также Франка Якеля за ценные отзывы и выразить признательность за поддержку фонда публикаций открытого доступа Технического университета Дармштадта, который софинансируется Немецким научным фондом (Deutsche Forschungsgemeinschaft, DFG).

    Дополнительные материалы

    Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/frai.2020.00036/full#supplementary-material

    Сноски

    Список литературы

    Бамлер Р. и Мандт С. (2017). «Динамические вложения слов», в Труды 34-й Международной конференции по машинному обучению-Vol. 70 (Сидней, Новый Южный Уэльс), 380–389.

    Google Scholar

    Болукбаси, Т., Чанг, К., Цзоу, Дж. Й., Салиграма, В., и Калаи, А. Т. (2016). «Мужчина для программиста, как женщина для домохозяйки? Сглаживание вложений слов », в Proceedings of Neural Information Processing (NIPS) (Barcelona: Curran Associates Inc.), 4349–4357.

    Google Scholar

    Босторм, Н., Юдковский, Э. (2011). «Этика искусственного интеллекта», Кембриджский справочник по искусственному интеллекту , ред. У. Рэмси и К. Фрэнкиш (Кембридж, Великобритания: Cambridge University Press), 316–334.DOI: 10.1017 / CBO978113

    55.020

    CrossRef Полный текст

    Калискан А., Брайсон Дж. Дж. И Нараянан А. (2017). Семантика, полученная автоматически из языковых корпусов, содержит человеческие предубеждения. Наука 356, 183–186. DOI: 10.1126 / science.aal4230

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Cer, D., Yang, Y., Kong, S.-Y., Hua, N., Limtiaco, N., John, R. S., et al. (2018). Универсальный кодировщик предложений. arXiv [Препринт] .arXiv: 1803.11175.

    Google Scholar

    Кларк, К. Дж., Бауман, К. В., Камбл, С. В., и Ноулз, Э. Д. (2017). Преднамеренный грех и случайная добродетель? Культурные различия в моральных системах влияют на воспринимаемую интенциональность. Soc. Psychol. Чел. Sci . 8, 74–82. DOI: 10.1177 / 1948550616663802

    CrossRef Полный текст | Google Scholar

    Диксон, Л., Ли, Дж., Соренсен, Дж., Тейн, Н., и Вассерман, Л. (2018). «Измерение и смягчение непреднамеренной предвзятости в классификации текста», в Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (New Orleans, LA), 67–73.DOI: 10.1145 / 3278721.3278729

    CrossRef Полный текст | Google Scholar

    Фултон, Н., Платцер, А. (2018). «Безопасное обучение с подкреплением с помощью формальных методов: к безопасному контролю через доказательство и обучение», в материалах Тридцать второй конференции AAAI по искусственному интеллекту (AAAI) (Новый Орлеан, Луизиана), 6485–6492.

    Google Scholar

    Гринвальд А.Г., МакГи Д.Э. и Шварц Дж. Л. (1998). Измерение индивидуальных различий в неявном познании: тест неявных ассоциаций. J. Pers. Soc. Психол . 74: 1464. DOI: 10.1037 / 0022-3514.74.6.1464

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Гамильтон, В. Л., Лесковец, Дж., Джурафски, Д. (2016). «Диахронические вложения слов раскрывают статистические законы семантических изменений», в материалах Труды 54-го ежегодного собрания Ассоциации компьютерной лингвистики, ACL 2016 (Берлин). DOI: 10.18653 / v1 / P16-1141

    CrossRef Полный текст | Google Scholar

    Айер, М., Манджунатха, В., Бойд-Грабер, Дж., И Доме III, Х. (2015). «Глубокая неупорядоченная композиция соперничает с синтаксическими методами классификации текстов», Труды 53-го ежегодного собрания Ассоциации компьютерной лингвистики и 7-й Международной конференции по обработке естественного языка (Том 1: Длинные документы) (Пекин), 1681–1681 гг. 1691. DOI: 10.3115 / v1 / P15-1162

    CrossRef Полный текст | Google Scholar

    Jentzsch, S., Schramowski, P., Rothkopf, C., and Kersting, K.(2019). «Семантика, полученная автоматически из языковых корпусов, содержит нравственный выбор, подобный человеческому», — в материалах Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (Гонолулу, Гавайи). DOI: 10.1145 / 3306618.3314267

    CrossRef Полный текст | Google Scholar

    Касснер, Н., Шютце, Х. (2019). Отрицательный лама: птицы не умеют летать. arXiv [Препринт] . arXiv: 1911.03343.

    Google Scholar

    Ким Р., Клейман-Вайнер М., Абелюк А., Авад, Э., Дсуза, С., Тененбаум, Дж., И Рахван, И. (2018). «Вычислительная модель принятия разумных моральных решений», в материалах Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (New Orleans, LA). DOI: 10.1145 / 3278721.3278770

    CrossRef Полный текст | Google Scholar

    Ким, Т. В., и Хукер, Дж. (2018). «К машинной этике, не основанной на интуиции», в материалах Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (New Orleans, LA).

    Google Scholar

    Кингма Д. П. и Ба Дж. (2015). «Адам: метод стохастической оптимизации», 3-я Международная конференция по обучающим представлениям, ICLR 2015 (Сан-Диего, Калифорния).

    Google Scholar

    Кирос Р., Чжу Ю., Салахутдинов Р. Р., Земель Р., Уртасун Р., Торральба А. и др. (2015). «Векторы с пропуском мыслей», в Advances in Neural Information Processing Systems (Montreal, QC), 3294–3302.

    Google Scholar

    Кивикангас, Дж.М., Лённквист, Ж.-Э., и Равая, Н. (2017). Связь моральных устоев с политическим либерализмом-консерватизмом и лево-правой ориентацией в финской репрезентативной выборке. Soc. Психол . 48, 246–251. DOI: 10.1027 / 1864-9335 / a000297

    CrossRef Полный текст | Google Scholar

    Kluxen, W. (2006). Grundprobleme Einer Affirmativen Ethik: Universalistische Reflexion und Erfahrung des Ethos . Фрайбург; Мюнхен: Verlag Karl Alber.

    Крамер, М.Ф., Борг, Дж. С., Конитцер, В., Синнотт-Армстронг, В. (2018). «Когда люди хотят, чтобы ИИ принимал решения?», В материалах Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (New Orleans, LA). DOI: 10.1145 / 3278721.3278752

    CrossRef Полный текст | Google Scholar

    Кван, Л.Я.-Й. (2016). Гнев и восприятие несправедливости и вреда: культурные различия в нормативных процессах, оправдывающих назначение санкций. Asian J. Soc. Психол . 19, 6–15.DOI: 10.1111 / ajsp.12119

    CrossRef Полный текст | Google Scholar

    Льюис, Д. Д., Янг, Ю., Роуз, Т. Г., и Ли, Ф. (2004). RCV1: новая коллекция тестов для исследования категоризации текста. J. Mach. Учить. Res . 5, 361–397.

    Google Scholar

    Линдстрем Б., Джангард С., Селбинг И. и Олссон А. (2018). Роль эвристики «общее есть мораль» в стабильности и изменении моральных норм. J. Exp. Психол . 147: 228. DOI: 10.1037 / xge0000365

    CrossRef Полный текст | Google Scholar

    Лореджиа, А., Маттей, Н., Росси, Ф., Венейбл, К. Б. (2018). «Предпочтения и этические принципы при принятии решений», в материалах Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (AIES) (New Orleans, LA). DOI: 10.1145 / 3278721.3278723

    CrossRef Полный текст | Google Scholar

    Миколов Т., Суцкевер И., Чен К., Коррадо Г. С. и Дин Дж. (2013). «Распределенные представления слов и фраз и их композиционность», в Proceedings of Neural Information Processing Systems (NIPS) (Lake Tahoe, NV), 3111–3119.

    Google Scholar

    Монтейт, Л. Л., и Петтит, Дж. У. (2011). Неявное и явное стигматизирующее отношение и стереотипы в отношении депрессии. J. Soc. Clin. Психол . 30, 484–505. DOI: 10.1521 / jscp.2011.30.5.484

    CrossRef Полный текст | Google Scholar

    Nielsen, F. Å. (2011). Афинн. Информатика и математическое моделирование . Kongens Lyngby: Технический университет Дании.

    Нильссон, А., Струпп-Левицкий, М.(2016). Гуманистическая и нормативистская метафизика, эпистемология и конативная ориентация: две фундаментальные системы значений. чел. Индивидуальный. Разница . 100, 85–94. DOI: 10.1016 / j.paid.2016.01.050

    CrossRef Полный текст | Google Scholar

    Носек, Б.А., Банаджи, М.Р., и Гринвальд, А.Г. (2002a). Извлечение неявных групповых установок и убеждений с демонстрационного веб-сайта. Группа Dyn . 6: 101. DOI: 10.1037 / 1089-2699.6.1.101

    CrossRef Полный текст | Google Scholar

    Обейд, Н., Арго, Н., Джинджес, Дж. (2017). Как моральные представления влияют на межгрупповую толерантность: данные из Ливана, Марокко и США. чел. Soc. Psychol. Бык . 43, 381–391. DOI: 10.1177 / 0146167216686560

    PubMed Аннотация | CrossRef Полный текст | Google Scholar

    Петрони Ф., Роктэшель Т., Ридель С., Льюис П., Бахтин А., Ву Ю. и др. (2019). «Языковые модели как базы знаний?» В материалах конференции 2019 г. по эмпирическим методам обработки естественного языка и 9-й Международной совместной конференции по обработке естественного языка (EMNLP-IJCNLP) (Гонконг), 2463–2473.DOI: 10.18653 / v1 / D19-1250

    CrossRef Полный текст | Google Scholar

    Рассел С., Дьюи Д. и Тегмарк М. (2015). Приоритеты исследований для надежного и полезного искусственного интеллекта. AI Mag . 36, 105–114. DOI: 10.1609 / aimag.v36i4.2577

    CrossRef Полный текст | Google Scholar

    Станков Л., Ли Дж. (2016). Гадость, нравственность и религиозность у 33 народов. чел. Индивидуальный. Разница . 99, 56–66. DOI: 10.1016 / j.paid.2016.04.069

    CrossRef Полный текст | Google Scholar

    Салливан Д., Стюарт С. А., Ландау М. Дж., Лю С., Янг К. и Дифендорф Дж. (2016). Изучение репрессивного страдания как функции коллективизма и социальной морали. J. Cross-Cult. Психол . 47, 903–917. DOI: 10.1177 / 0022022116655963

    CrossRef Полный текст | Google Scholar

    Терни, П. Д., и Пантел, П. (2010). От частоты к значению: векторные пространственные модели семантики. J. Artif. Intell. Res . 37, 141–188. DOI: 10.1613 / jair.2934

    CrossRef Полный текст | Google Scholar

    Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., et al. (2017). «Внимание — это все, что вам нужно», в Advances in Neural Information Processing Systems (Long Beach, CA), 5998–6008.

    Google Scholar

    Юл, Г. (2016). Изучение языка . Издательство Кембриджского университета.

    Google Scholar

    Чжан, З., Wu, Y., Zhao, H., Li, Z., Zhang, S., Zhou, X., et al. (2020). BERT с учетом семантики для понимания языка. arXiv [Препринт]. arXiv: 1909.02209v3.

    Google Scholar

    Выбор, использование и обслуживание швейной машины

    Выбор машины

    Вы пробовали шитье или, может быть, вы полный новичок, который всегда хотел учиться. В любом случае, пришло время купить собственную швейную машину, но какую именно? После того, как вы выбрали один, как правильно его использовать и как сохранить его, чтобы прослужить долгие годы? Что ж, начнем с первой проблемы.

    Антикварная швейная машина

    Приняв решение купить швейную машину, вы можете быть удивлены количеством марок и моделей на выбор. Некоторые из более крупных имен могут показаться хорошей идеей, но вы также должны сначала задать себе несколько вопросов, которые помогут вам найти идеальную пару.

    Как часто и что вы будете шить?

    Честный ответ на этот вопрос поможет определить, нужна ли вам более дорогая, сверхмощная машина или недорогая машина для хобби.Если вы планируете работать только над несколькими проектами, недорогая машина подойдет. На нем не будет много оборок, но вам, вероятно, понадобится только прямая строчка и строчка зигзаг. Просто убедитесь, что он позволяет регулировать длину и ширину стежка.

    Если вы планируете использовать швейную машину довольно часто или в ваших проектах будут использоваться тяжелые ткани, такие как джинсовая ткань, драпировка или обивочная ткань, то инвестировать в двигатель большего размера и швейную машину, корпус которой в основном сделан из металла, а не из пластика, будет стоить того. хорошая идея.Они прослужат дольше, выдержат часы непрерывного использования и справятся с более жесткими тканями.

    Вложения

    В зависимости от ваших проектов вам могут понадобиться специальные прижимные лапки. Прижимная лапка — это часть, которая опускается, чтобы удерживать ткань на месте, когда она проходит под иглой. Что касается одежды, вам понадобится лапка для молнии, лапка для петлицы и лапка для потайной кромки, чтобы создать профессиональный вид. Для квилтинга вам понадобится шагающая лапка и лапка 1/4 дюйма, чтобы сделать швы более прочными.

    Лапка

    Крупный бренд или нет?

    Некоторые названия швейных машин настолько распространены и имеют такую ​​долгую историю, что их может назвать почти каждый, но означает ли это качество? Некоторые бренды перешли на производство машин для хобби, оставив более профессиональные машины другим производителям. Если вы делаете покупки в магазине швейных машин и принадлежностей, они с большей вероятностью будут иметь в наличии более дорогие машины.Вы также с большей вероятностью обнаружите, что они предлагают услуги по ремонту.

    Выбор станка методами AHP и TOPSIS

    1. Введение

    В последнее время, чтобы получить конкурентные преимущества, чтобы выжить в глобальном бизнес-сценарии, выбор наиболее подходящей машины стал серьезной проблемой для многих производственных компаний. Это очень важно в отраслях, где машины интенсивно используются для повышения уровня производства, а также для получения доходов.Чтобы выжить в современной экономике, компании должны быть осторожны при принятии решений. Неправильные решения увеличивают затраты компаний с точки зрения неэффективного использования ресурсов, а также влияют на удовлетворенность клиентов. Современные производственные компании сейчас сталкиваются с некоторыми проблемами, такими как выбор оборудования из-за затрат времени и отсутствия передовых знаний, а также опыта. Сложность задачи машинной оценки и отбора побудила исследователей разработать модели, помогающие лицам, принимающим решения.

    Цель решения о выборе машины производственной компанией часто убеждает владельца, инвесторов, партнеров, сотрудников и другие заинтересованные стороны придерживаться определенной точки зрения о ней, ее производительности, эффективности, получении дохода или общей стоимости .

    Стратегическое решение, поддержанное компанией, должно быть эффективно реализовано для повышения производительности и безопасности. Поскольку это требует больших вложений и в большинстве случаев невозвратимо, выбор машины среди приемлемых альтернатив является очень важным решением.Некоторые исследователи отметили драматические результаты в отношении качества, гибкости, производительности и т. Д. При принятии неверных решений при выборе машины [1] . Поскольку решения, касающиеся машин, являются решающим элементом успеха или неудачи компании в области качества, компании должны анализировать, чтобы обеспечить бесперебойную работу производственной линии, а также предоставить высококачественные детали, которые наилучшим образом соответствуют потребностям их целевого клиента. Производители должны уделять внимание этой проблеме выбора наиболее подходящей машины, чтобы обеспечить полную работоспособность, а также полную безопасность своего устройства.

    Чтобы выбрать желаемую машину, компания должна предпринять некоторые практические шаги, соответствующие ее миссии и стратегии. Общие шаги для принятия решения о выборе машины обычно состоят из следующих шагов: определение критериев, которые будут использоваться для оценки машины; выберите критерии, которые важны; разработка альтернатив и выбор альтернатив, оцененных [12] .

    Чтобы выбрать наиболее подходящую машину среди различных альтернатив, лицо, принимающее решение, должно учитывать значимые критерии и обладать специальными знаниями о свойствах машины.Но следует учитывать те критерии, которые максимизируют выгоду для компании-производителя. Джеррард [7] провел исследование, чтобы определить процентный вклад различных уровней управления. Результат показал, что роль инженерного персонала в процессе отбора составила всего 6 процентов; оставшаяся часть (94 процента) принадлежит руководству высшего и среднего звена. Это также дало сигнал о сокращенном подходе к процессу оценки машины. В этом исследовании критерии оценки для принятия решения о выборе были выбраны из исследований в литературе и обсуждений с менеджерами компании в различных областях.

    Число альтернатив и противоречивых критериев очень быстро увеличивается. Итак, надежные модели оценки имеют решающее значение для того, чтобы должным образом учесть несколько конфликтующих критериев. Из-за необходимости идти на компромисс между несколькими критериями проблема выбора, такая как выбор машины, является проблемой принятия решений по нескольким критериям (MCDM). Для оценки процесса машинного выбора в литературе широко применялись различные методы: процесс аналитической иерархии (AHP), нечеткая модель принятия решений с множеством атрибутов, линейное целочисленное программирование 0-1, метод средневзвешенного значения, генетические алгоритмы и т. Д.вот некоторые из этих методов. В этом исследовании была использована структура прототипа с использованием методов AHP и TOPSIS для оценки выбора подходящей машины для определения уровня производства.

    Проблема выбора машины изучалась в основном для конкретного типа среды, такой как гибкие производственные системы [1] . Somashekhar [10] представил структуру, которая включает индивидуальный пакет для разработки и оценки гибких производственных систем для небольших призматических компонентов.Донг-Шан Чанг [6] использовал модель стохастического линейного программирования для оценки альтернативных издержек гибких производственных систем (FMS). Кроме того, Tabucanon et al. [13] предложила систему поддержки принятия решений для выбора подходящей машины гибких производственных систем (FMS). Арслан [1] разработал систему поддержки принятия решений, которая включала качественные и количественные критерии, чтобы помочь лицам, принимающим решения, в решении проблемы выбора с использованием метода многокритериального взвешенного среднего.Целью исследования было выбрать наиболее подходящую машину из имеющихся машин с целью уменьшения трудностей, возникающих в процессе выбора. Помимо оцениваемых аспектов решения о выборе машины, необходимо измерить мягкие критерии, содержащие субъективные факторы, которые трудно перечислить.

    В реальных приложениях оценка приемлемых альтернатив по субъективным критериям выражается в лингвистических терминах. Для этого несколько исследователей включили теорию нечетких множеств, чтобы эффективно разрешить неоднозначность, полученную из доступной информации [9] .Теория нечетких множеств кажется действенным инструментом в борьбе с неточностями или неопределенностью, присущими процессу выбора местоположения. В литературе есть ряд исследований, в которых применяются различные нечеткие методы принятия решений для классификации местоположений.

    Ряд исследований был посвящен использованию методов нечеткого многокритериального принятия решений (MCDM) для процесса выбора машин. Wang et al. [15] предложила структурированную структуру, основанную на нечетком подходе принятия решений с множеством атрибутов для выбора машины в гибкой производственной ячейке.Цель модели заключалась в том, чтобы помочь лицам, принимающим решения, справиться с трудностями, возникающими из-за проблемы выбора машины.

    В этой статье был использован комплексный подход методов AHP и TOPSIS. Цель этого исследования — предложить модель для оценки лучшей машины путем сравнения трех существующих машин. Во время процедуры оценки применялся метод AHP для определения весов критериев и ранжирования машин, использовался метод TOPSIS.

    Остальная часть этого исследования организована следующим образом: Раздел 2 описывает методологию и дает пошаговое описание ожидаемого многокритериального подхода к принятию решений.В разделе 3 было дано применение предложенной схемы для выбора машины. И, наконец, в четвертом разделе представлен результат применения и разъясняются идеи для будущих исследований. Этот раздел завершает данное исследование.

    2. Методы MCDM

    Анализ решений по нескольким критериям (MCDA) или принятие решений по нескольким критериям (MCDM) — это суб-дисциплина и полноценная ветвь исследования операций, которая связана с разработкой математических и вычислительных инструментов для поддержки субъективных оценок. оценка конечного числа альтернативных решений при конечном числе критериев эффективности одним лицом, принимающим решения, или группой [10] .MCDM относится к отбору, расстановке приоритетов, ранжированию или выбору набора альтернатив по обычно независимым, несоразмерным или конфликтующим атрибутам [8] . Определение атрибутов очень важно для MCDM, поскольку они играют очень важную роль в процессе принятия решений. Было предложено несколько методов для решения связанных проблем, но главная проблема MCDM состоит в том, что разные методы могут давать разные результаты для одной и той же проблемы.

    Следовательно, как найти компромисс между этими конфликтующими атрибутами и затем принять решение может создать сложную проблему [5] .Процедура оценки в этом документе состоит из трех основных шагов, как показано на Рисунке 1.

    Скачать как

    Рисунок 1. Этапы процедуры оценки

    Шаг 1: Определите критерии оценки, которые считаются наиболее важными показателями производительности при выборе машины.

    Шаг 2: Постройте иерархию критериев оценки и вычислите веса этих критериев с помощью метода AHP.

    Шаг 3: Проведите метод TOPSIS для достижения окончательных результатов ранжирования.

    Подробное описание каждого шага проиллюстрировано в следующих разделах.

    2.1. Определение весов критериев с помощью AHP

    Процесс аналитической иерархии (AHP) — это инструмент принятия решений по множеству критериев для организации и анализа, впервые разработанный [11] . Этот метод используется для решения сложной задачи принятия решений, имеющей несколько атрибутов, путем моделирования неструктурированной исследуемой задачи в иерархических формах элементов.Существенными компонентами иерархической системы являются главная цель, критерии, которые влияют на общую цель, подкритерии, которые влияют на основные критерии, и, наконец, альтернативы, доступные для решения проблемы. Чтобы получить степень относительной важности элементов на каждом уровне, матрица попарного сравнения разрабатывается с использованием шкалы предпочтений Саати 1-9, как показано в таблице 1. Затем собственный вектор и максимальное собственное значение (λ max ) выводятся из попарного сравнения. матрицы. Значимость собственного значения заключается в оценке силы коэффициента согласованности CR (Saaty, 2000) сравнительной матрицы, чтобы проверить, дает ли матрица попарного сравнения полностью согласованную оценку.Последний шаг — вычислить индекс консистенции и коэффициент консистенции.

    Таблица 1. Шкала парных сравнений Саати

    Пошаговая процедура МАИ представлена ​​следующим образом:

    Шаг 1: Постройте структурную иерархию.

    Шаг 2: Постройте матрицу попарного сравнения.

    Предполагая n атрибутов, попарное сравнение атрибута i с атрибутом j дает квадратную матрицу, где ij обозначает сравнительную важность атрибута i по отношению к атрибуту j.В матрице a ij = 1 при i = j и ji = 1 / a ij .

    Шаг 3: Построение нормализованной матрицы решений

    (1)

    Шаг 4: Построение взвешенной нормализованной матрицы решений

    (2)
    (3)

    Шаг 5: Вычислить собственный вектор и матрицу строк

    (4)
    (5)

    Шаг 6: Вычислить максимальное собственное значение,.

    (6)

    Шаг 7: Рассчитайте индекс консистенции и коэффициент консистенции.

    (7)
    (8)

    Где n и RI обозначают порядок матрицы и индекс случайно сгенерированной согласованности соответственно.

    2.2. Ранжирование альтернатив с помощью TOPSIS

    Для оценки выбора машины в данном исследовании был применен один из методов MCDM, названный TOPSIS.В этом разделе объясняется метод TOPSIS.

    TOPSIS (Методика предпочтения порядка посредством подобия идеальному решению), разработанная Hwang и Yoon [19] , является одним из методов MCDA / MCDM для удовлетворительного решения реальных проблем принятия решений. TOPSIS пытается указать лучшую альтернативу, которая одновременно имеет кратчайшее расстояние от положительного идеального решения и самое дальнее расстояние от отрицательного идеального решения [2] . Положительное идеальное решение — это решение, которое пытается максимизировать критерии прибыли и минимизировать критерии затрат, тогда как отрицательное идеальное решение прямо противоположно предыдущему [4, 14, 16, 17] .Согласно 7, положительное идеальное решение состоит из всех достижимых хороших значений критериев, тогда как отрицательное идеальное решение состоит из всех наихудших достижимых значений критериев. В методе TOPSIS точные оценки, которые каждая альтернатива получает по всем критериям, используются при формировании матрицы решений и нормализованной матрицы решений. Принимая во внимание показатели всех атрибутов, находятся положительные и отрицательные идеальные решения. Путем сравнения коэффициента расстояния каждой альтернативы определяется порядок предпочтения альтернатив.

    Пошаговая процедура Hwang and Yoon [8] для реализации TOPSIS представлена ​​следующим образом:

    Шаг 1: Построить нормализованную матрицу решений выгодных и невыгодных критериев.

    (9)

    Где и — исходная и нормализованная оценка матрицы решений соответственно.

    Шаг 2: Постройте взвешенную нормализованную матрицу решений путем умножения весов w i критериев оценки на нормализованную матрицу решений r ij .

    (10)

    Шаг 3: Определено положительное идеальное решение (PIS) и отрицательное идеальное решение (NIS)

    (11)

    Где если если

    (12)

    Где.

    Шаг 4: Рассчитайте меры разделения каждой альтернативы из PIS и

    NIS
    (13)
    (14)

    Шаг 5: Рассчитайте коэффициент относительной близости к идеальному решению для каждой альтернативы

    (15)

    Шаг 6: На основе убывающих значений коэффициента близости альтернативы ранжируются от наиболее ценных к худшим.Выбирается альтернатива с наивысшим коэффициентом близости ().

    3. Предлагаемая структура с примером

    Сравнение трех существующих машин известной компании в Бангладеш служит для проверки модели путем тестирования разработанных предложений. В целях сохранения конфиденциальности название компании не разглашается, и все три машины обозначены как A 1 , A 2 и A 3 .Компания желает решить, какую машину из трех альтернатив выбрать, исходя из своего видения и стратегии. Прежде всего, критерии оценки для принятия решения о выборе были взяты из исследований в литературе и обсуждений с менеджерами компании в различных областях. Иерархическая структура, которая содержит 7 основных критериев и 26 подкритериев для выбора лучшей альтернативы среди трех машин, построена в таблице 2.

    Вес основных критериев и подкритериев, учитывающих субъективные суждения лиц, принимающих решения, оценивается с помощью AHP.Матрица попарного сравнения основных критериев (таблица 3) и расчет весов приведены ниже. Нормализованная матрица C была рассчитана с использованием уравнения. (1):

    Затем веса приоритета вычисляются с использованием уравнения (2):

    Таблица 2. Иерархическое представление критериев
    Таблица 3. Агрегированная матрица попарных сравнений
    Таблица 4.Вес подкритериев

    Нормализованный весовой вектор по основным критериям равен. Вектор нормализованных весов по отношению к главной цели изображен на рисунке 2. Согласно рисунку 2 наиболее ценным критерием с приоритетом 0,43 является «стоимость» в субъективных суждениях лиц, принимающих решения, за которыми следуют другие. Предполагается, что те же вычислительные способы определяют веса подкритериев (), которые представлены в таблице 4.

    Таблица 5. Матрица решений для метода TOPSIS
    Таблица 6.Матрица агрегированных решений метода TOPSIS
    Таблица 7. Этапы расчета методом TOPSIS для процесса выбора станка
    Скачать как

    Рисунок 2 . Нормализованные веса основных критериев

    Таблица 8. Рейтинг номенклатуры машин

    Элементы собственного вектора вычисляются с использованием уравнения. (4).

    Собственный вектор относительной важности основных критериев равен (0.20, 0,04, 0,44, 0,15, 0,09, 0,03, 0,06). Для вычисления λ max ,, элементов матрицы-строки оцениваются с помощью уравнения. (5) и имеет вид (1,55, 0,29, 3,66, 1,10, 0,69, 0,19, 0,46). Уравнение (6) дает четыре оценки: λ max , а среднее из этих значений (7,75) является оценочным λ max . Индекс согласованности (CI) и коэффициент согласованности (CR) рассчитываются с помощью формул. (7) и (8) соответственно (для RI = 1.32). Поскольку значение CR (0,09) меньше 0,10, это приемлемо.

    Как указывалось ранее, один из хорошо известных методов MCDM, называемый методом TOPSIS, используется для ранжирования потенциальных альтернатив с учетом весов всех критериев, полученных AHP. На первом шаге алгоритма матрица решений с использованием мнения трех лиц, принимающих решения (D 1, D 2, D 3 ) создается с использованием числовые значения.Матрица решений метода TOPSIS показана в Таблице 5. Затем агрегированные значения каждого подкритерия рассчитываются с использованием метода средних значений в методе TOPSIS, как показано в Таблице 6. После расчета агрегированных значений подкритериев, подходящих локации ранжируются методом TOPSIS. Эти агрегированные значения являются основными входными данными. Нормализация этих значений производится по формуле. (9). Положительное и отрицательное идеальное решение определяется путем взятия максимального и минимального значений для каждого критерия в методе TOPSIS.Затем расстояние каждой альтернативы от PIS () и NIS () по каждому критерию вычисляется, как в уравнениях. (13) и (14). После этого коэффициенты близости ( CC i ) трех альтернатив рассчитываются с помощью уравнения. (15) и ранжирование выполняется в порядке убывания. Шаги расчета метода TOPSIS приведены в таблице 7. В таблице 8 выбранные машины ранжированы по отношению к методу TOPSIS.

    4. Результаты и обсуждения

    В зависимости от значений коэффициентов близости трех подходящих машин, машина A 2 становится наиболее доминирующей альтернативой с самым высоким CC i из 0.777178, за которым следуют остальные. Итак, A 2 следует выбрать как лучшую машину из трех альтернатив.

    5. Выводы и дальнейшая работа

    Чтобы идти в ногу с конкурентами в современной экономике, компания должна принять решение, которое приведет к выбору подходящей машины из имеющихся. Правильное решение открывает путь к всестороннему росту и конечной прибыли компании. Свойства машины влияют на конечную производительность, производственные возможности и получение прибыли компании.При выборе машины решающее значение имеют несколько факторов. Но учет этих нескольких критериев и подкритериев затрудняет процесс отбора. По этой причине в данной статье представлен прототип структуры, использующей процесс аналитической иерархии (AHP) с алгоритмом TOPSIS в качестве эффективного инструмента для поддержки принятия решения о выборе машины. В этом исследовании веса различных критериев рассчитываются с использованием метода AHP, а для выбора наиболее желательной машины использовался один из хорошо известных методов MCDM, а именно метод TOPSIS.Для обоих методов некоторые результаты получены вручную, а некоторые рассчитаны с помощью Microsoft Office Excel. В будущем это не вариант, но необходимо реализовать этот метод для решения множества задач принятия решений по нескольким критериям из-за его гибкости. Предлагаемый метод также эффективен в среде групповых решений, где бывает трудно прийти к спору в индивидуальном порядке. Таким образом, это также поможет в будущих исследованиях. В дополнение к методам, предложенным в этом исследовании, некоторые другие методы MCDM, такие как ELECTRE; ПРОМЕТИ; MOORA и ORESTE можно использовать сравнительно в нечеткой среде, и результаты можно сравнивать.

    Благодарности

    Авторы выражают признательность за поддержку и помощь, предоставленную Департаментом промышленного и производственного машиностроения Университета Джессора науки и технологий, Бангладеш. Мы также ценим усилия заведующего кафедрой, преподавателей и студентов, которые участвовали в этом исследовании.

    Список литературы

    [1] Арслан М., Катай Б. и Будак Э. (2004), Система поддержки принятия решений для выбора станка, Журнал управления производственными технологиями, том 15, номер 1, 101-109.
    В статье См. Статью
    [2] Бенитес, Дж. М., Мартин, Дж. К., и Роман, К. (2007). Использование нечетких чисел для измерения качества обслуживания в гостиничном бизнесе. Управление туризмом, 28 (2), 544-555.
    В статье Смотреть статью
    [3] Сомашехар, Б.С., Проектирование и оценка гибкой производственной системы для небольших приматических компонентов, J. Mech. Труд, Технология, 17 (1988) 479-488.
    В статье
    [4] Chen, C. T., Lin, C. T., & Huang, S. F. (2006). Нечеткий подход к оценке и выбору поставщиков в управлении цепочкой поставок. Международный журнал экономики производства, 102, 289-301.
    В статье См. Статью
    [5] Чинг-Сюэ Чэн, Чен-Дун Чен и Суэ-Фен Хуанг (2012).Сочетание нечеткого интеграла с методом среднего веса заказа (OWA) для оценки финансовых результатов в полупроводниковой промышленности. Африканский журнал управления бизнесом, том 6 (21), стр. 6358-6368.
    В статье
    [6] Донг-Шан Чанг (1989), Экономическая оценка инвестиций в гибкие производственные системы, 3 rd National Conf. по технологиям автоматизации, Тайвань, стр.655-664.
    В статье
    [7] Gerrard, W. (1988a). Стратегия выбора и внедрения новых технологий / станков », Уортингтон, Б. (Ред.), Достижения в производственных технологиях III, Труды Четвертой национальной конференции по производственным исследованиям, Коган Пейдж. Лондон, стр. 532-6.
    В статье
    [8] Hwang, C.Л. и Юн К. (1981). Методы принятия решений и приложения с множеством атрибутов. Берлин: Springer.
    В статье См. Статью
    [9] Liang G.S. (1999). Нечеткий MCDM, основанный на идеальных и антиидеальных концепциях. Евро. J. Oper. Res., 112: 682-691.
    В статье См. Статью
    [10] Lootsma, F.А. (1999). Многокритериальный анализ решений с помощью оценки соотношений и различий. Kluwer Academic Publishers.
    В статье См. Статью
    [11] Саати, Т. Л., (1980). Процесс аналитической иерархии. Нью-Йорк: Макгроу-Хилл.
    В статье
    [12] Стивенсон WJ (1993).Управление производством / операциями. 4-е изд. Ричард Д. Ирвин Inc., Хоумвуд. J. Intell. Manuf. 19 (2008 г.). 1-12.
    В статье
    [13] Табуканон, М.Т., Батанов, Д.Н. и Верма, Д.К. (1994), «Интеллектуальная система поддержки принятия решений (DSS) для процесса выбора альтернативных машин для гибкой производственной системы (FMS)», Computers in Industry, Vol. 25. С. 131-43.
    В статье См. Статью
    [14] Wang, T.К., и Чен, Ю. Х. (2007). Применение последовательных нечетких отношений предпочтения к выбору партнерства. Омега, Международный журнал науки управления, 35, 384-388.
    В статье См. Статью
    [15] Wang, T.-Y., Shaw, C.-F. и Чен, Ю.-Л. (2000), «Выбор машины в гибкой производственной ячейке: нечеткий подход к принятию решений с множеством атрибутов», International Journal of Production Research, Vol.38 No. 9, pp.2079-97.
    В статье См. Статью
    [16] Ван, Ю. М., и Эльхаг, Т. М. С. (2006). Метод нечеткой TOPSIS на основе наборов альфа-уровня с приложением для оценки рисков. Экспертные системы с приложениями, 31, 309-319.
    В статье См. Статью
    [17] Wang, Y.Дж. (2007). Применение FMCDM для оценки финансовых показателей внутренних авиакомпаний Тайваня. Экспертные системы с приложениями, в печати.
    В статье
    [18] Ян Т., & Хунг, К. (2007), Методы принятия решений с множеством атрибутов для задачи проектирования компоновки завода. Робототехника и компьютерно-интегрированное производство, 23 (1), 126-137.
    В статье Просмотреть статью
    [19] Юн, К.

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *

    Весь товар подлежит гарантии и сертифицирован!Все права защищены .RU