5 Охрана труда

5.1 Анализ условий труда

Помещение размерами 8х6.6х3 м, объем помещения 158,4 м³, площадь помещения 52,8 м². Согласно ДСан ПиН 3.3.2-007-98 для одного работающего площадь производственного помещения не менее 6 м², объем воздушного пространства 20 м³, число работающих - 7 человек. Для нашего случая на одного человека выделено 22,6 м³ пространства и 7,54 м² площади.

Люди, оборудование и производственная среда в процессе рабочей деятельности формируется в систему «человек-машина-среда» («Ч-М-С»). Эта система описывает взаимное влияние ее составляющих друг на друга. В данном случае, это взаимодействие между сотрудником лаборатории, персональным компьютером и окружающей средой. Для обеспечения возможности проанализировать данную систему следует декомпозировать все три элемента. Разделим элемент «Человек»:

• Ч1 – это человек, который осуществляет управление «Машиной», в основном для выполнения основной задачи системы - эксплуатации экспертной системы;

• Ч2 – это человек, который рассматривается с точки зрения непосредственного воздействия на окружающую среду (биологический объект);

• Ч3 – это человек, который рассматривается с точки зрения его физиологического состояния под воздействием факторов, влияющих во время производственного процесса. Этот элемент изучается с позиции охраны труда и сопутствующих дисциплин, состояние этого элемента системы является исходным пунктом процесса декомпозиции.

• Элемент «Машина» выполняет основную технологическую функцию - воздействие на предмет труда, и дополнительное - формирование параметров окружающей среды.

Элемент «Машина» можно разделить на три элемента:

• М1 – машина с точки зрения производства конечного продукта (компьютер и размещенная на нем экспертная система);

• М2 – механизмы, предназначенные для выполнения функции аварийной защиты при сбое в работе машины;

• М3 – машина с точки зрения воздействия на окружающую среду и на организм человека (излучение монитора, шум, ухудшение зрения);

• Элемент «Предмет труда» – программный продукт (ПП);

• Элемент «Среда» – среда (С).

Структура системы «Ч-М-С» для офиса изображена на рисунке 5.1.

Рисунок 5.1 - Структура системы «Ч-М-С»

Таблица 5.1 – Перечень связей в системе «Ч-М-С»

Номер связи	Направление связи	Содержание связи
1	2	3
1	Ч1 - М1	Влияние человека на управление техникой и ее настройки (эксплуатация экспертной системы)

Продолжение таблицы 5.1

1	2	3
2	М1 – Ч1	Информация о состоянии машины, которая обрабатывается человеком (показатели производительности работы)
3	М1 – ПТ	Влияние машины на предмет труда (предоставление новой информации машиной)
4	ПТ – Ч3	Влияние предмета труда на психофизиологическое состояние человека (стрессы пользователей при неординарных результатах программы)
5	Ч3 – Ч1	Влияние состояния организма человека на качество его работы (неправильные действия пользователя при наличии проблем со здоровьем, например плохим зрением
6	М2 - Ч3	Человек под влиянием опасных производственных факторов (повышенное напряжение сети)
7	М3 – С	Целенаправленное воздействие машины на среду
8	С – Ч3	Влияние среды на состояние организма человека (усталость, перенапряжение)
9	С – М1	Влияние среды на работу машины (повышенная температура деталей компьютера, влажность)
10	Ч1 – М2	Влияние человека на аварийное состояние машины
11	Ч2 – С	Влияние человека как биологического объекта на среду (шум, теплообмен, продукты дыхания)
12	Ч3 – Ч2	Влияние психофизиологического состояния на степень интенсивности обмена веществ между организмом, средой и энерговыделением человека
13	М1 – М2	Информация, необходимая для устранения аварийного управляющего воздействия

Продолжение таблицы 5.1

14	М2 - М1	Аварийные управляющие воздействия
А	ВСУ - Ч1	Управляющая информация о технологическом процессе с внешней системы управления

Согласно ГОСТ 12.0.003-74 в данной системе «Ч-М-С» имеют место физические и психофизиологические опасные и вредные производственные факторы, химические и биологические факторы отсутствуют.

Физические опасные и вредные факторы:

• повышенное значение напряжения в электрической цепи, замыкание которой может произойти через тело человека;

• повышенный уровень шума;

• повышенный уровень электромагнитного излучения;

• повышенная скорость движения воздуха;

• повышенная или пониженная температура в помещении;

• повышенная или пониженная относительная влажность;

• недостаток или отсутствие естественного освещения;

• недостаточное освещение рабочего места.

Психофизиологическим факторами являются:

• нервные и эмоциональные перегрузки;

• перенапряжение зрительных и слуховых анализаторов;

• монотонность труда;

• умственное перенапряжение.

Доминирующим фактором является повышенный уровень шума в лаборатории.

4.2 Промышленная безопасность в производственном помещении лаборатории

В лаборатории используется трехфазная сеть питания с глухозаземленной нейтралью, напряжением 380/220 В и частотой тока - 50 Гц.

Температура воздуха в помещении равна 24° С, влажность равна 55%, отсутствует токопроводящий пыль, пол деревянный, то есть не токопроводящая, нет возможности одновременного прикосновения к металлическим элементам технологического оборудования или металлоконструкций здания, соединенные с землей, и металлических частей электрооборудования, которые могут оказаться под напряжением. Согласно НПАОП 40.1-1.21-98, лаборатория относится к классу помещений без повышенной опасности поражения электрическим током [11].

Для защиты людей от поражения электрическим током используется норматив. При выполнении защитного зануления значительно снижается сопротивление петли «фаза-ноль» и обеспечивается достаточное значение тока короткого замыкания для срабатывания аппарата защиты (предохранитель или автоматический выключатель) за время не более 0,2 секунд. При отсутствии защитного зануления, ток короткого замыкания за счет высокого сопротивления может оказаться недостаточным для срабатывания защиты и поврежден компьютер может надолго оказаться под опасным для человека напряжением. Также используется повторное заземление нулевого защитного провода для уменьшения опасности поражения человека током, возникает при его обрыве. Контроль изоляции в помещении должно происходить один раз в год, с сопротивлением изоляции не менее 0,5 МОм на фазу.

К рабочим местам допускаются работники, прошедшие вводный, первичный инструктаж и проверку знаний по охране труда и пожарной безопасности, согласно НПАОП 0.00-4.12-05 [12]. При обновлении законодательных актов по охране труда, замене оборудования или при нарушении работником нормативно-правовых актов по охране труда должен быть проведен внеплановый инструктаж. Целевой инструктаж должен быть проведен при выполнении работ, не связанных с основными обязанностями, или при ликвидации аварий.

5.3 Производственная санитария в помещении

Доминирующим вредным фактором является повышенный уровень шума, вызванный работой компьютеров. Согласно ГСН 3.3.6.037-99, для такого вида деятельности как программирование, эквивалентный уровень звукового давления на рабочем месте не должен превышать 50 дБ [13].

Уровень шума, создаваемый одним компьютером равен 60 дБ. Суммарный уровень звукового давления для источников шума одинаковой интенсивности определяется по формуле:

(5.1)

Где L_n – уровень звукового давления от одного компьютера, n - количество компьютеров.

Используем формулу 1.1, и вычислим суммарный уровень шума:

(5.2)

Полученный суммарный уровень равен 68.45 дБ, что превышает допустимого уровня в 50дБА. Для обеспечения подходящего уровня шума надо обработать комнату звукопоглощающим материалом.

Рассчитаем звукопоглощающей способностью необработанной конструкции.

(5.3)

где α – коэфициент поглощения;

постоянная помещения k=30;

Площадь отражающих поверхностей s = пол + потолок + стены рассчитывается поформуле:

(5.4)

(5.5)

Подставляем числа при наличии коэффициента поверхности k = 30 м²

(5.6)

Необрабатываемая поверхность (дверные проемы и окна):

(5.7)

Обрабатываемая площадь:

(5.8)

Обработка поверхности производится веществом sonaspray коэффициент отражения α_i которого равна 1.

			(5.9)
				(5.10)

Акустический эффект от применения облицовочных конструкций

(5.11)

(5.12)

Шум в помещении после акустической обработки

(5.13)

(5.14)

Это значительно снижает шумовой фон, однако все еще превышает норму. Необходимы дополнительные меры в качестве уменьшения количества времени пребывания в помещении с повышенным зашумления, уменьшение количества рабочих мест в примищеннита / или замена оборудования в лаборатории.

Согласно ГСН 3.3.6.042-99, работа в лаборатории относится к категории работ по тяжести «Иа - легкая», поскольку выполняется сидя с энергозатратами организма не более 120 ккал / час. и не требует систематического физической нагрузки. Согласно ГСН 3.3.6.042-99, оптимальными условиями микроклимата является температура воздуха 22 - 24 ° С, относительная влажность 40 - 60%, скорость движения воздуха не более 0,1 м/с. Для обеспечения этих условий должны использоваться системы кондиционирования воздуха и системы отопления в холодный период года.

Согласно ДБН В.2.5-28-2006, помещения для работы с дисплеями должно обеспечиваться естественным освещением через боковые свитлоотвиры, уровень освещенности рабочего стола должна составлять 300-500 лк [14]. Недостаточное освещение поверхности рабочего стола должна быть компенсировано использованием местных средств искусственного освещения - люминесцентных ламп типа ЛБ с соблюдением коэффициента пульсации не более 5%. Уровень освещенности должен быть более 300 лк, но не менее 500 лк. Неравномерность распределения яркости в поле зрения лица, работающего с дисплеем, должно быть ограничено.

5.4 Пожарная безопасность в производственном помещении

Данная лаборатория относится к категории пожароопасных категории, согласно НАПБ Б.03.002-2007, поскольку в нем находятся горючие компоненты [15]. Источниками воспламенения могут быть электрические искры, токовые перегрузки, перегретые опорные поверхности, неисправность оборудования. Окислителем обычно служит кислород.

Класс пожароопасности помещения по НПАОП 40.1-1.01-97 II-IIа - зоны помещений, в которых есть твердые или волокнистые горючие вещества. Горючая пыль и волокна не выделяются. По ГОСТ В.1.1.7-2002 степень огнестойкости здания II - дома с несущими и ограждающими конструкциями из естественных или искусственных каменных материалов, бетона, железобетона с применением листовых и плитных негорючих материалов.

Всего в лаборатории находится 7 рабочих мест. Согласно с НАПББ.03.001-2004, помещение должно иметь 1 огнетушитель на 3 компьютера, то есть нужно 3 штуки на 7 рабочих мест. Согласно п. 4.3.3 НАПБ А.01.001-2004, достаточно одного аварийного выхода, так как количество людей, одновременно эвакуируются, меньше чем 50. Эвакуация происходит, согласно плану эвакуации, находится в лаборатории, и с которым были ознакомлены все работники во время проведения первичного инструктажа. Эвакуация происходит через эвакуационные двери.

Главным элементом согласно ДБН В.2.5-56-2010 есть средства оповещения, чувствительные к теплу, дыма, света и скорости нарастания температуры среды. Сигнал датчика усиливается электронными усилителями и по системе проводной связи передается на диспетчерский пункт. Для оперативного руководства тушением пожара предполагается телефонная связь для вызова пожарных команд и двусторонняя радиосвязь руководителя тушения пожара с бойцами пожарных команд.

ВЫВОДЫ

В данной работе была исследована возможность применения метода NaiveBayes для классификации текстовой информации разного рода и определения принадлежности к динамическому числу классов.

Были рассмотрены такие понятия, как Naive Bayes классификаторы, дескрипторы, их виды, задачи, решаемые с их помощью.

Классификация текста методом Naive Bayes сегодня широко применяется для реализации многих задач, примером которых служит классификация текста, электронных писем, смс, определение языка, поиск схожих документов и многие другие. Во всех этих отраслях байесовский классификатор показывал хорошие результаты при сравнительно небольших необходимых вычислительных ресурсах.

Для полноценного проведения эксперимента была использова наиболее популярная модель байесовского классификатора – полиномиальная модель. Полиномиальная модель показывала хорошую точность классификации (50 – 60%) даже при небольших тестовых файлах, состоящих из нескольких строк, а при увеличении объема тестового кода от 10 строк точность достигала значения 90% и выше.

Одним из экспериментальных исследований данной работы было изучение влияния коэффициента Лапласа на точность классификации. Анализ был проведен на примере построения динамических выборок с разными коэффициентами и сравнения их процентной точности. Экспериментально наилучшие результаты были получены при его значении 10, а точность классификации была в среднем улучшенана 10%. Таким образом, можно сделать вывод, что метод Naive Bayes хорошо подходит для классификации практически любой текстовой инфомации. И показывает высокую точность классификации в данной области.

В данной работе был представлен алгоритм оптимизации выбора вида дескрипторов в зависимости от выборки для дополнительного повышения качества классификации на полученной выборке. Таким образом удалось повысить точность классификации научной литературы прималых объемах обучающей выборки до 99,26%.

Работа данных методов и алгоритмов была протестирована на различных по содержанию и формату библиотеках. Таких как:

• большая библиотека «ITAR» объемом в 21ГБ;

• коллекция аннотаций авторефератов диссертационных работ;

• коллекция случайных веб-документов.

Поставленная задача была выполнена в полном объеме. Описанные цели были достигнуты:

• программная реализация метода Naive Bayes;

• выбор классифицируемых языков программирования и подготовка репрезентативной выборки для каждого из них;

• анализ запрограммированных моделей на созданных обучающих и тестовых выборках и выбор наилучшей;

• анализ выбора значения лучшего коэффициента размытия по Лапласудля конкретной выборки.

Перспективным направлением развития данной работы является сравнение точности работы представленного алгоритма с другими алгоритмами текстовой классификации; добавления возможности «холодного старта»; добавление учетасемантической близости дескрипторов для увеличение точности классфикикации. Также, в связи с достаточно высокой вычислительной сложностью алгоритма, имеет смысл рассмотреть возможности оптимизации реализованной системы. В частности, применение быстрой или разреженной модификации данного алгоритма может помочь значительно снизить время его работы.

ПЕРЕЧЕНЬ ССЫЛОК

1. Walsh J. P. Computer-Mediated Communication and Scientific Work [Text] / J. P. Walsh, T. T. Bayma. – Information Society, 1995. – №12. –P. 90 ISSN: 1083-6101

2. Игнатов Д.И., Методы разработки данных (Data Mining) для рекомендательной системы Интернет-рекламы [текст] / С. О. Кузнецов, Д. И. Игнатов, Одиннадцатая национальная конференция по искусственному интеллекту с международным участием (КИИ-2008, 28 сентября – 3 октября 2008 г.) г. Дуб- на, Россия: Труды конференции. Т.2. – М.: Ленанд, 2008. – 392 с. ISSN: 1666-8731

3. Anja, Großkopf. Formal concept analysis of verb paradigms in linguistics. In E. Di- day, Y. Lechevallier, and O. Opitz, editors, Ordinal and symbolic data analysis, number 8 in Studies in classification, data analysis, and knowledge organization, P. 70–79, Berlin–Heidelberg, 1996. Springer–Verlag.

4. Bernhard, Ganter. Conceptual Structures: Logical, Linguistic and Computational Issues. [Text] / 8th International Conference on Concep- tual Structures, ICCS 2000, number 1867 in LNAI, Darmstadt, Germany, 2000. Springer, Berlin – Heidelberg – New York. , P. 17-38

5. Bernhard, Ganter. Conceptual scaling. Applications of combinatorics and graph theory to the biological and social sciences. [Text] / In Frank Roberts,. Springer, Berlin – Heidelberg – New York, P. 139–167, 1989. . – ISSN: 1873-1345

6. Stumme, G. D. Hierarchies of conceptual scales. [Text] / In T. B. Gaines, R. Kremer, and M. Musen, editors, Proc.Workshop on Knowledge Acquisition, Modeling and Man- agement (KAW’99), volume 2, P. 78–95, Banff, October 16-22 1999. – ISSN: 1243-1108

7. Scheich, P. W. Conceptual data systems. Information and classification. [Text] / P. W. Scheich, – Springer, Berlin – Heidelberg – New York, 1993. – P. 72–84.

8. Основные направления исследований, основанные на семантическом анализе текстов [Электронный ресурс] / С.-Петерб. гос. ун-т, фак. прикладной математики - процессов управления. – Режим доступа : www/ URL: http:// apcp.apmath.spbu.ru/ru/staff/tuzov/onapr.html/ – 10.12.2004 г. – Загл. с экрана.

9. Чалая, Л.Э. Эквивалентное преобразование текста в интеллектуальных системах обработки веб-документов [Текст] / Л.Э.Чалая, Е.С.Кушвид // Тезисы докладов второй международной научно-технической конференции «Проблемы информатизации», 12–13 апр. 2014 г., Киев, Полтава, Катовице, Париж, Белгород, Черкассы, Харьков – 2014. – С. 58.

10. Чалая, Л.Э. Применение обобщенных N-грамм в задачах предварительной обработки текстовых веб-документов [Текст] / Л.Э. Чалая, Ю.Ю. Харитонова, Е. Кушвид // Сучасні напрями розвитку інформаційно-комунікаційних технологій та засобів управління : матеріали п’ятої міжнар. наук.-техн. конф., 23–24 квіт. 2015 р. – Полтава : ПНТУ; Баку : ВА ЗС АР ; Кіровоград: КЛА НАУ, Х.: ДП «ХНДІ ТМ», 2015. – С. 26.

11. Система стандартов безопасности труда. Шум. Общие требования безопасности [Электронный ресурс] Режим доступа: www/ URL: http://www.gostrf.com/standart/Pages_gost/803.htm – 18.06.2013 г. – Загл. с экрана.

12. Система стандартов безопасности труда. Опасные и вредные производственные факторы. Классификация [Электронный ресурс] Режим доступа: www/ URL: http://www.gostrf.com/standart/Pages_gost/41131.htm – 18.06.2013 г. – Загл. с экрана.

13. Правила безпечної експлуатації електроустановок споживачів [Електронний ресурс] Режим доступа: www/ URL: http://document.ua/ pravila-bezpechnoyi-ekspluataciyi-elektroustanovok-spozhivac-nor7564.html – 18.06.2013 г. – Загол. з екрану.

14. Санітарні норми мікроклімату виробничих приміщень [Електронний ресурс] Режим доступа: www/ URL: http://document.ua/sanitarni-normi-mikroklimatu-virobnichih-primishen-nor4880.html – 18.06.2013 г. – Загол. з екрану.

15. Система стандартов безопасности труда пожарная безопасность [Электронный ресурс] Режим доступа: www/ URL: http://www.gostrf.com/Basesdoc/4/4653/index.htm – 18.06.2013 г. – Загл. с экрана.

ПРИЛОЖЕНИЕ А

Ведомость дипломной работы

Позначення					Найменування		Дод. відомості
					Текстові документи
1. ГЮІК.ХХХХХХ.013 ПЗ					Пояснювальна записка		76 с.
2. ГЮІК.ХХХХХХ.013 ГД					Графічні документи		7 с.
Рисунок 1					Блок-схема алгоритму отримання дескрипторів з тексту
Рисунок 2					Блок-схема алгоритму збору дескрипторів в бібліотеці;
Рисунок 3					Передача данних у системі
Рисунок 4					Графічний интерфейс программного модуля
Рисунок 5					Графік зростання об`єму збираємих ключевих атрибутів і підвищення точності классифікації данних
Рисунок 6					Графік на базі 1000 ітерацій підбору коефіцієнту згладжування по Лапласу
Рисунок 7					Графік залежності точності классификації від кількості слів в тексті
					Інші документи
3.					Документи на компакт-диску		1 CD
4.					Презентаційні матеріали		18 плакатів
					ГЮІК.ХХХХХХ.013ВД
.	.	Прізвище та ініціали.	Підп.	Дата
Розробив		КушвідЄ.С.			Класифікація текстових документів з використанням лінгвістичних дескрипторів	Шифр групи		Код напр./спец.
Перевірив		ЧалаЛ.Е.
Н.контр.						ХНУРЕ кафедра ШІ
Затв.		ФілатовВ.О.
Позначення					Найменування		Дод. відомості