آمار پارامتری
آمار پارامتری
آمار پارامتری به مجموعه روش‌های آماری‌ای گفته میشود که مدل‌ای پارامتری برای پدیدهٔ احتمالی مورد مطالعه فرض میشود و همهٔ استنتاج‌های آماری از آن پس بر اساس آن مدل انجام میشود.
به عنوان مثال فرض میشود که توزیع نمره‌های یک امتحان از توزیع نرمال پیروی میکند. در نتیجه برای مشخص‌شدن توزیع احتمال، کافی است میانگین و واریانس توزیع را از روی داده‌های تجربی (نمره‌های دانش‌آموزان) به دست بیاوریم. حال برای پاسخ‌گفتن به سوال‌هایی چون «درصد دانش‌آموزانی که نمره‌ای بین ۱۰ تا ۱۵ آورده‌اند» از تابع توزیع به دست آمده استفاده می‌کنیم (البته بدیهی است که روش‌های ساده‌تری نیز برای چنین کاری وجود دارد).
نقطهٔ ضعف این شیوهٔ تحلیل آماری این است که در صورتی که مدل فرض‌شده با واقعیت تطبیق نداشته باشد، نتیجه‌گیری‌ها صحیح نخواهد بود.
آماره
آماره در آمار به عددی گویند که یک توزیع نمونه‌برداری را خلاصه‌سازی یا توصیف میکند.
تابع U=g(X۱, X۲, …, Xn) از نمونهٔ تصادفی X۱, X۲, …, Xn را که در آن پارامتر مجهولی وجود نداشته باشد یک آماره می‌گویند. در این تعریف U یک متغیر تصادفی است که توزیع آن ممکن است به پارامتر بستگی نداشته باشد؛ اما تنها آماره‌هایی برای برآورد کردن مفید هستند که توزیعشان به پارامتر مجهول بستگی داشته باشد و اطلاعاتی در مورد این پارامتر به ما بدهند.
آنتروپی آماری
انتروپی آماری یک کمیت ترمودینامیکی است که در شیمی‌فیزیک کاربردهای فراوان دارد.
استنباط آماری
چنانچه به جای مطالعه کل اعضای جامعه، بخشی از آن با استفاده از فنون نمونه‌گیری انتخاب شده، و مورد مطالعه قرار گیرد و بخواهیم نتایج حاصل از آن را به کل جامعه تعمیم دهیم از روشهایی استفاده میشود که موضوع آمار استنباطی (Inferential statistics) است. آن چه که مهم است این است که در گذر از آمار توصیفی به آمار استنباطی یا به عبارت دیگر از نمونه به جامعه بحث و نقش احتمال شروع میشود. در واقع احتمال، پل رابط بین آمار توصیفی و استنباطی به حساب می‌آید.
توزیع جامعه
توزیع جامعه یا توزیع جمعیت (به انگلیسی: Population distribution) در آمار به توزیع تمام مشاهدات امکان پذیر را گویند.
چولگی
در آمار و نظریه احتمالات چولگی نشان دهنده میزان عدم تقارن توزیع احتمالی است. اگر داده‌ها نسبت به میانگین متقارن باشند، چولگی برابر صفر خواهد بود.
تعریف
چولگی برابر با گشتاور سوم نرمال شده است. چولگی در حقیقت معیاری از وجود یا عدم تقارن تابع توزیع می باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است.
داده‌کاوی
داده کاوی، پایگاهها و مجموعه‌های حجیم داده‌ها را در پی کشف واستخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.
در سال 1960 آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده ها در پایگاه های داده یا Database اصطلاح "Data Mining" یا داده کاوی در حدود سال 1990 رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفته اند.
اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص میشود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.
مقدمه
بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی میتوان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد.
در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، میتوان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.
ویژگی‌ها
یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین امنیت ملی به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل جابه جایی پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با برسی سوابق مربوط به مهاجرت و مسافرت هاست. داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیتهایی نیز دارد. یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک میکند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای طبقه بندی تحلیل‌ها و تغییر آنها برخوردار هستند. بهره برداری از داده کاوی در دو بخش دولتی و خصوصی رو به گسترش است. صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند. کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره برداری از آن گسترش روزافزونی یافته و سنجش و بهینه سازی برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند. توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ حریم خصوصی افراد عامل دیگری است که باید به آن توجه داشت. اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:
سازمانهای دولتی تا چه حدی مجاز به بهره برداری از داده‌ها هستند؟
آیا از داده‌ها در چارچوبی غیر متعارف بهره برداری میشود؟
کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟
کاوش در داده‌ها بخشی بزرگ از سامانه‌های هوشمند است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور یادگیری ماشینی که خود زمینه‌ای‌ست در هوش مصنوعی.
فرایند گروه گروه کردن مجموعه‌ای از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.
با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.
کاوش‌های ماشینی در متون حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق میشود که در آنها داده‌های مورد مطالعه از جنس متون نوشته شده به زبانهای طبیعی انسانی باشد.
چیستی
داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق میشود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل میشود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط میشود مثلاً خرید قلم به خرید کاغذ.
ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص میکند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی.
رده بندی یا طبقه بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها(متغیر هدف) ناشناخته می باشد، استفاده نمود. در حقیقت در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند.
خوشه بندی(Clustering): گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.
مصورسازی (visualization): مصورسازی داده ها یکی از قدرتمندترین و جذابترین روش های اکتشاف در داده ها می باشد.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانکهای اطلاعاتی یافت میشود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش میباشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:
رشد شبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو میباشد.
علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا میکند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده میکنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی میباشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگانها که کارشان تاثیر بر امنیت دارد، نادیده گرفته میشود.
محدودیتهای داده کاوی
در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری میباشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.
اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک میکند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.
تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی میباشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد.برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد.در حقیقت رفتارهای شخصی شامل شغل(نیاز به سفر در زمانی محدود)وضع خانوادگی(نیاز به مراقبت پزشکی برای مریض)یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.
ابزارهای داده کاوی
معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن
Clementine که نسخه ۱۳ ان با نام SPSS Modeler نامیده میشود.
رپیدماینر
نرم‌افزار وکا
نرم‌افزار
برنامه های کاربردی و نرم‌افزار های داده کاوی متن-باز رایگان
Carrot2: پلتفرمی برای خوشه بندی متن و نتایج جستجو
Chemicalize.org: یک کاوشگر ساختمان شیمیایی و موتور جستجوی وب
ELKI: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه ای پیشرفته و روش های تشخیص داده های خارج از محدوده که به زبان جاوا نوشته شده است.
GATE: یک پردازشگر زبان بومی و ابزار مهندسی زبان.
برنامه های کاربردی و نرم‌افزار های داده کاوی تجاری
Angoss KnowledgeSTUDIO: ابزار داده کاوی تولید شده توسط Angoss.
BIRT Analytics: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط Actuate Corporation.
Clarabridge: راه حل تحلیلگر کلاس متن.
(E-NI(e-mining, e-monitor: ابزار داده کاوی مبتنی بر الگوهای موقتی.
IBM SPSS Modeler: نرم‌افزار داده کاوی تولید شده توسط IBM
Microsoft Analysis Services: نرم‌افزار داده کاوی تولید شده توسط مایکروسافت
Oracle Data Mining: نرم‌افزار داده کاوی تولید شده توسط اوراکل (کمیک)
بررسی اجمالی بازار نرم‌افزار های داده کاوی
تا کنون چندین محقق و سازمان بررسی هایی را بر روی ابزار های داده کاوی و راهنماییهایی برای داده کاو ها تهیه دیده اند. این بررسی ها بعضی از نقاط ضعف و قوت بسته های نرم‌افزاری را مشخص می کنند. همچنین خلاصه ای را از رفتار ها، اولویت ها و دید های داده کاوها تهیه کرده اند
درجه آزادی (آمار)
درجه آزادی یکی از مفاهیم بنیادین در آمار است. درک بسیاری از مفاهیم مطرح در آمار وابسته به درک مناسبی از این مفهوم است. بر اساس زمینهٔ کاربرد و شیوهٔ نگرش میتوان تعاریف مختلفی برای آن ارائه نمود که همه یک مفهومند:
در نظریهٔ برآورد:
تعداد مقادیری که یک آماره امکان تغییر دارد
تعداد مشاهدات مستقل منهای تعداد پارامترهای برآورد شده.
بطور معادل: تعداد مشاهدات مستقل منهای تعداد روابط معلوم میان مشاهدات
در نظریه آزمون:
بعد فضای مجهول (مدل کامل) منهای بعد فضای مفروض (مدل مقید)
در جبر خطی:
رتبهٔ یک فرم درجه دوم
بطور معادل: تعداد ابعاد یک زیر فضا که یک بردار می‌تواند آزادانه گردش کند (مربع طول بردار یک فرم درجه دوم است)
درک شهودی
مثال: یک عدد ثابت امکان تغییر ندارد پس درجه آزادی آن برابر صفر است.
یک نقطه در صفحه یک رابطه میان دو متغیر در فضای دو بعدی است. با این نقطه نمیتوان میزان همبستگی خطی دو متغیر را با برآورد خط رگرسیون تخمین زد. چون بینهایت خط از این نقطه گذراست. (تصویر مقابل) در این مثال درجه آزادی صفر است (تعداد مشاهدات مستقل - تعداد روابط معلوم میان مشاهدات = 0) اگر خطی را بعنوان خط رگرسیونی در نظر بگیریم، این مدل نه قابل رد و نه قابل قبول است. بنابراین تعداد نمونه های قابل استفاده برای این مدل صفر است.
برای رسم خط رگرسیون حداقل دو نقطه لازم است. با دو نقطه یک درجه آزادی وجود دارد. از دو نقطه فقط یک خط گذر میکند و این خط تنها برآورد ممکن است. با اینکه دقت برآورد 100 درصد است اما این دقت کاذب به علت کم بودن درجات آزادی و اطلاعات قابل استفاده است. نمونه های زیادی از تحقیقات با رسیدن به دقتی بالا تصور میکنند که مدل بدست آمده مناسب است . در حالی که درجات آزادی کم باعث این اشتباه شده است.
مثال: اگر دو مشاهده داشته باشیم، برای برآورد میانگین دو مشاهدهء مستقل داریم، اما برای برآورد واریانس تنها یک مشاهدهء مستقل وجود دارد. زیرا هر دو مشاهده دارای یک فاصله از میانگین هستند.
دیدگاه فلسفی
برای درک بهتر این مفهوم میتوان درجهء آزادی را یک معادل برای درجهء ابطال پذیری از دیدگاه فلاسفه ای مانند کارل پوپر دانست. اگر در مسئله ای درجات آزادی کم
باشد معادل است با اینکه ابطال پذیری آن مسئله کم است. یعنی با هر مشاهده ای تایید میشود و قابل ابطال نیست.
سازمان آماری
سازمان آماری سازمانی خدماتی است که وظیفهٔ تهیهٔ آمار را بر عهده دارد. دلیل وجود، رشد و مشارکت مشهود آنها در امور مربوط به دولت و جامعةخود، از توانایی آنها در تهیة اطلاعاتی برای حل مسائل مهم ریشه می‌گیرد. ولی اولویتها می‌توانند سریعتر از توانایی سازمان برای تعدیل تلاش تولیدی خود تغییر کنند. به این دلیل، مهم است که مسئولان ارشد آن دارای شم قوی و روابطی باشند که بتوانند مشکلات جدی را شناسایی کرده و آنها را از آنچه ممکن است چیزی جز مسایل گذرا نباشند متمایز کنند.
شاخص‌های پراکندگی
سنجش‌های پراکندگی (به انگلیسی: Measures of Variability) به اعدادی گویند که پراکندگی مجموعه‌ای از مشاهدات یا داده‌های اندازه گیری شده‌ای را خلاصه و توصیف میکنند.
دامنه، واریانس، و انحراف معیار، هر سه نمونه‌هایی از سنجش‌های پراکندگی هستند.
ضریب تغییرات
در نظریه احتمال و آمار ضریب تغییرات (به انگلیسی: coefficient of variation، مخفف:CV) یک معیار بهنجار است که برای اندازه‌گیری توزیع داده‌های آماری به کار می‌رود.
به عبارت دیگر ضریب تغییرات، میزان پراکندگی به ازای یک واحد از میانگین را بیان میکند. این مقدار زمانی تعریف شده است که میانگین صفر نباشد.
این مقدار بی‌بعد است به همین دلیل مناسب برای مقایسه داده‌های آماری است که واحدهای مختلفی دارند.
ضریب تغییرات تنها قابل کاربرد برای مقیاس‌های نسبی است و نمیتوان ار آن برای سنجش مقادیری که می‌توانند مقدار منفی بگیرند استفاده کرد یا به بیان بهتر نمیتوان از آن برای سنجش مقادیر فاصله‌ای بهره برد. مثلاً اگر درجه حرارت را با مقیاس فارنهایت در نظر بگیریم برای آن نمیتوان از ضریب تغییر اسفاده کرد و باید از مقیاس کلوین که همیشه مقداری مثبت است استفاده کرد.
متغیر پنهان
متغیرهای پنهان(در مقابل متغیرهای مشاهده شده)در آمار، متغیرهای هستند که بصورت مسقیم قابل مشاهده نیستند اما از میان متغیرهای دیگر که قابل مشاهده هستند توسط یک الگوی ریاضی استنباط می‌شوند. آنها همچنین بعضی وقت‌ها تحت عنوان متغیرهای پنهان، پارامترها ی مدل، متغیرهای فرضی یا ساختارهای فرضی شناخته می‌شوند.. استفاده متغیرهای پنهان در علوم اجتماعی متداول است، اقتصاد، پزشکی و تا حدی روبوتیک اما تعریف دقیق یک متغیر پنهان در این رشته‌ها کمی متفاوت است. مثال‌های از متغیرهای پنهان در حوزه اقتصاد عبارتند از کیفیت زندگی، اطمینان کار، روحیه، خوشحالی و اصول محافظه‌کاری: اینها متغیرها هستند که مستقیماً نمیتوان آنها را سنجید. با این وجود یک مدل اقتصادی را میتوان از پیوند این متغیرهای پنهان با متغیرهای مشاهده شده (از قبیل تولید ناخالص داخلی) بدست آورد و مقادیر متغیرهای پنهان را از متغیرهای مشاهده شده محاسبه و استنباط نمود.
متغیر تصادفی
در آمار و احتمال متغیر تصادفی متغیری است که مقدار آن از اندازه‌گیری برخی از انواع فرآیندهای تصادفی بدست می‌آید. بطور رسمی‌تر، متغیر تصادفی تابعی است از فضای نمونه به اعداد حقیقی. بطور مستقیم متغیر تصادفی توصیف عددی خروجی یک آزمایش است (مثل برآمدهای ممکن از پرتاب دو تاس (۱و۱) و (۱و۲) و غیره).
متغیرهای تصادفی به دو نوع گسسته (متغیر تصادفی که ممکن است تعداد محدود یا توالی نامحدودی از مقادیر را بگیرد) و پیوسته (متغیری که ممکن است هر مقدار عددی در یک یا چند بازه را بگیرد) طبقه‌بندی می‌شوند. مقادیر ممکن یک متغیر تصادفی می‌تواند نشان‌دهندهٔ برآمدهای آزمایشی که هنوز انجام نشده یا مقادیر بالقوهٔ یک کمیت که مقدارهای موجود آن نامطمئن هستند (مثلا درنتیجه اطلاعات ناقص یا اندازه‌گیری نادقیق) باشد. یک متغیر تصادفی می‌تواند بعنوان یک کمیت که مقدارش ثابت نیست و مقادیر مختلفی را می‌تواند بگیرد در نظر گرفته شود و توزیع احتمال برای توصیف احتمال اتفاق افتادن آن مقادیر استفاده میشود.
متغیرهای تصادفی معمولاً با اعداد حقیقی مقداردهی می‌شوند؛ ولی میتوان انواع دلخواهی مانند مقدارهای بولی، اعداد مختلط، بردارها، ماتریس‌ها، دنباله‌ها، درخت‌ها، مجموعه‌ها، شکل‌ها، منیوفیلدها، توابع و فرآیندها را درنظر گرفت. عبارت المان تصادفی همه این نوع مفاهیم را دربرمی گیرد.
متغیرهای تصادفی که با اعداد حقیقی مقداردهی می‌شوند، در علوم برای پیش‌بینی براساس داده‌های بدست آمده از آزمایش‌های علمی استفاده می‌شوند. علاوه بر کاربردهای علمی، متغیرهای تصادفی برای آنالیز بازیهای قمار و پدیده‌های تصادفی بوجود آمدند. در چنین مواردی تابعی که خروجی را به یک عدد حقیقی می‌نگارد معمولا یک تابع همانی یا بطور مشابه یک تابع بدیهی است و بطور صریح توصیف نشده است. با این وجود در بسیاری از موارد بهتر است متغیر تصادفی را بصورت توابعی از سایر متغیرهای تصادفی درنظر بگیریم که دراینصورت تابع نگاشت استفاده شده در تعریف یک متغیر تصادفی مهم میشود. بعنوان مثال، رادیکال یک متغیر تصادفی با توزیع استاندارد (نرمال) خود یک متغیر تصادفی با توزیع کی دو است. شهود این مطلب بدین صورت است که تصور کنید اعداد تصادفی بسیاری با توزیع نرمال تولید کرده و از هرکدام رادیکال بگیریم و سپس هیستوگرام داده‌های بدست آمده را بکشیم در اینصورت اگر داده‌ها به تعداد کافی باشند، نمودار هیستوگرام تابع چگالی توزیع کی دو را با یک درجه آزادی تقریب خواهد زد.
نام‌های دیگر
در برخی از کتاب‌های قدیمی‌تر به جای «متغیر تصادفی»، اصطلاح‌های «متغیر شانسی» و «متغیر استوکاستیکی» هم به کار رفته است.
انواع
متغیر تصادفی گسسته
متغیر تصادفی پیوسته
با توجه به وضع شمارایی فضای نمونه‌ای S، متغیر می‌تواند گسسته یا پیوسته باشد. اگر S متناهی یا نامتناهی شمارا باشد متغیر تصادفی X گسسته و اگر ناشمارا باشد X پیوسته خواهد بود.
یک توزیع همچنین می تواند از نوع مختلط (mixed) باشد به این صورت که بخشی از آن مقادیر خاصی را بگیرد و بخش دیگر آن مقادیر روی یک بازه را بگیرد.
مقدار موثر
در ریاضیات، جذر متوسط مربع (به انگلیسی: root mean square یا quadratic mean) که با نام مقدار RMS و مقدار مؤثر (به انگلیسی: effective value) نیز شناخته میشود، معیاری آماری از اندازه کمیت متغیر است.
آمار پارامتری به مجموعه روش‌های آماری‌ای گفته میشود که مدل‌ای پارامتری برای پدیدهٔ احتمالی مورد مطالعه فرض میشود و همهٔ استنتاج‌های آماری از آن پس بر اساس آن مدل انجام میشود.
به عنوان مثال فرض میشود که توزیع نمره‌های یک امتحان از توزیع نرمال پیروی میکند. در نتیجه برای مشخص‌شدن توزیع احتمال، کافی است میانگین و واریانس توزیع را از روی داده‌های تجربی (نمره‌های دانش‌آموزان) به دست بیاوریم. حال برای پاسخ‌گفتن به سوال‌هایی چون «درصد دانش‌آموزانی که نمره‌ای بین ۱۰ تا ۱۵ آورده‌اند» از تابع توزیع به دست آمده استفاده می‌کنیم (البته بدیهی است که روش‌های ساده‌تری نیز برای چنین کاری وجود دارد).
نقطهٔ ضعف این شیوهٔ تحلیل آماری این است که در صورتی که مدل فرض‌شده با واقعیت تطبیق نداشته باشد، نتیجه‌گیری‌ها صحیح نخواهد بود.
آماره
آماره در آمار به عددی گویند که یک توزیع نمونه‌برداری را خلاصه‌سازی یا توصیف میکند.
تابع U=g(X۱, X۲, …, Xn) از نمونهٔ تصادفی X۱, X۲, …, Xn را که در آن پارامتر مجهولی وجود نداشته باشد یک آماره می‌گویند. در این تعریف U یک متغیر تصادفی است که توزیع آن ممکن است به پارامتر بستگی نداشته باشد؛ اما تنها آماره‌هایی برای برآورد کردن مفید هستند که توزیعشان به پارامتر مجهول بستگی داشته باشد و اطلاعاتی در مورد این پارامتر به ما بدهند.
آنتروپی آماری
انتروپی آماری یک کمیت ترمودینامیکی است که در شیمی‌فیزیک کاربردهای فراوان دارد.
استنباط آماری
چنانچه به جای مطالعه کل اعضای جامعه، بخشی از آن با استفاده از فنون نمونه‌گیری انتخاب شده، و مورد مطالعه قرار گیرد و بخواهیم نتایج حاصل از آن را به کل جامعه تعمیم دهیم از روشهایی استفاده میشود که موضوع آمار استنباطی (Inferential statistics) است. آن چه که مهم است این است که در گذر از آمار توصیفی به آمار استنباطی یا به عبارت دیگر از نمونه به جامعه بحث و نقش احتمال شروع میشود. در واقع احتمال، پل رابط بین آمار توصیفی و استنباطی به حساب می‌آید.
توزیع جامعه
توزیع جامعه یا توزیع جمعیت (به انگلیسی: Population distribution) در آمار به توزیع تمام مشاهدات امکان پذیر را گویند.
چولگی
در آمار و نظریه احتمالات چولگی نشان دهنده میزان عدم تقارن توزیع احتمالی است. اگر داده‌ها نسبت به میانگین متقارن باشند، چولگی برابر صفر خواهد بود.
تعریف
چولگی برابر با گشتاور سوم نرمال شده است. چولگی در حقیقت معیاری از وجود یا عدم تقارن تابع توزیع می باشد. برای یک توزیع کاملاً متقارن چولگی صفر و برای یک توزیع نامتقارن با کشیدگی به سمت مقادیر بالاتر چولگی مثبت و برای توزیع نامتقارن با کشیدگی به سمت مقادیر کوچکتر مقدار چولگی منفی است.
داده‌کاوی
داده کاوی، پایگاهها و مجموعه‌های حجیم داده‌ها را در پی کشف واستخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع میتوان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.
در سال 1960 آماردانان اصطلاح "Data Fishing" یا "Data Dredging"به معنای "صید داده" را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده ها در پایگاه های داده یا Database اصطلاح "Data Mining" یا داده کاوی در حدود سال 1990 رواج بیشتری یافت. اصطلاحات دیگری نظیر "Data Archaeology"یا "Information Harvesting" یا "Information Discovery" یا"Knowledge Extraction" نیز بکار رفته اند.
اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص میشود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.
مقدمه
بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی میتوان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع آوری شده بهترین بهره را برد.
در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به بانکهای اطلاعاتی بزرگ فراهم باشد، میتوان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.
ویژگی‌ها
یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین امنیت ملی به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل جابه جایی پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با برسی سوابق مربوط به مهاجرت و مسافرت هاست. داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیتهایی نیز دارد. یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک میکند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای طبقه بندی تحلیل‌ها و تغییر آنها برخوردار هستند. بهره برداری از داده کاوی در دو بخش دولتی و خصوصی رو به گسترش است. صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند. کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره برداری از آن گسترش روزافزونی یافته و سنجش و بهینه سازی برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند. توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ حریم خصوصی افراد عامل دیگری است که باید به آن توجه داشت. اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:
سازمانهای دولتی تا چه حدی مجاز به بهره برداری از داده‌ها هستند؟
آیا از داده‌ها در چارچوبی غیر متعارف بهره برداری میشود؟
کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟
کاوش در داده‌ها بخشی بزرگ از سامانه‌های هوشمند است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور یادگیری ماشینی که خود زمینه‌ای‌ست در هوش مصنوعی.
فرایند گروه گروه کردن مجموعه‌ای از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.
با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.
کاوش‌های ماشینی در متون حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق میشود که در آنها داده‌های مورد مطالعه از جنس متون نوشته شده به زبانهای طبیعی انسانی باشد.
چیستی
داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق میشود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل میشود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:
قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط میشود مثلاً خرید قلم به خرید کاغذ.
ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص میکند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی.
رده بندی یا طبقه بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها(متغیر هدف) ناشناخته می باشد، استفاده نمود. در حقیقت در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش های مورد استفاده در پیش بینی و رده بندی عموما یکسان هستند.
خوشه بندی(Clustering): گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.
مصورسازی (visualization): مصورسازی داده ها یکی از قدرتمندترین و جذابترین روش های اکتشاف در داده ها می باشد.
برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی ساخت یافته (Structured query) که در بسیاری از بانکهای اطلاعاتی یافت میشود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید. کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند. به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.
در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب. بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در پایگاه داده‌ها می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش میباشد. بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:
رشد شبکه‌های کامپیوتری که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.
توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.
گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.
و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو میباشد.
علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا میکند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده میکنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی میباشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگانها که کارشان تاثیر بر امنیت دارد، نادیده گرفته میشود.
محدودیتهای داده کاوی
در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری میباشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.
اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک میکند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.
تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی میباشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد.برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد.در حقیقت رفتارهای شخصی شامل شغل(نیاز به سفر در زمانی محدود)وضع خانوادگی(نیاز به مراقبت پزشکی برای مریض)یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.
ابزارهای داده کاوی
معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن
Clementine که نسخه ۱۳ ان با نام SPSS Modeler نامیده میشود.
رپیدماینر
نرم‌افزار وکا
نرم‌افزار
برنامه های کاربردی و نرم‌افزار های داده کاوی متن-باز رایگان
Carrot2: پلتفرمی برای خوشه بندی متن و نتایج جستجو
Chemicalize.org: یک کاوشگر ساختمان شیمیایی و موتور جستجوی وب
ELKI: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه ای پیشرفته و روش های تشخیص داده های خارج از محدوده که به زبان جاوا نوشته شده است.
GATE: یک پردازشگر زبان بومی و ابزار مهندسی زبان.
برنامه های کاربردی و نرم‌افزار های داده کاوی تجاری
Angoss KnowledgeSTUDIO: ابزار داده کاوی تولید شده توسط Angoss.
BIRT Analytics: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط Actuate Corporation.
Clarabridge: راه حل تحلیلگر کلاس متن.
(E-NI(e-mining, e-monitor: ابزار داده کاوی مبتنی بر الگوهای موقتی.
IBM SPSS Modeler: نرم‌افزار داده کاوی تولید شده توسط IBM
Microsoft Analysis Services: نرم‌افزار داده کاوی تولید شده توسط مایکروسافت
Oracle Data Mining: نرم‌افزار داده کاوی تولید شده توسط اوراکل (کمیک)
بررسی اجمالی بازار نرم‌افزار های داده کاوی
تا کنون چندین محقق و سازمان بررسی هایی را بر روی ابزار های داده کاوی و راهنماییهایی برای داده کاو ها تهیه دیده اند. این بررسی ها بعضی از نقاط ضعف و قوت بسته های نرم‌افزاری را مشخص می کنند. همچنین خلاصه ای را از رفتار ها، اولویت ها و دید های داده کاوها تهیه کرده اند
درجه آزادی (آمار)
درجه آزادی یکی از مفاهیم بنیادین در آمار است. درک بسیاری از مفاهیم مطرح در آمار وابسته به درک مناسبی از این مفهوم است. بر اساس زمینهٔ کاربرد و شیوهٔ نگرش میتوان تعاریف مختلفی برای آن ارائه نمود که همه یک مفهومند:
در نظریهٔ برآورد:
تعداد مقادیری که یک آماره امکان تغییر دارد
تعداد مشاهدات مستقل منهای تعداد پارامترهای برآورد شده.
بطور معادل: تعداد مشاهدات مستقل منهای تعداد روابط معلوم میان مشاهدات
در نظریه آزمون:
بعد فضای مجهول (مدل کامل) منهای بعد فضای مفروض (مدل مقید)
در جبر خطی:
رتبهٔ یک فرم درجه دوم
بطور معادل: تعداد ابعاد یک زیر فضا که یک بردار می‌تواند آزادانه گردش کند (مربع طول بردار یک فرم درجه دوم است)
درک شهودی
مثال: یک عدد ثابت امکان تغییر ندارد پس درجه آزادی آن برابر صفر است.
یک نقطه در صفحه یک رابطه میان دو متغیر در فضای دو بعدی است. با این نقطه نمیتوان میزان همبستگی خطی دو متغیر را با برآورد خط رگرسیون تخمین زد. چون بینهایت خط از این نقطه گذراست. (تصویر مقابل) در این مثال درجه آزادی صفر است (تعداد مشاهدات مستقل - تعداد روابط معلوم میان مشاهدات = 0) اگر خطی را بعنوان خط رگرسیونی در نظر بگیریم، این مدل نه قابل رد و نه قابل قبول است. بنابراین تعداد نمونه های قابل استفاده برای این مدل صفر است.
برای رسم خط رگرسیون حداقل دو نقطه لازم است. با دو نقطه یک درجه آزادی وجود دارد. از دو نقطه فقط یک خط گذر میکند و این خط تنها برآورد ممکن است. با اینکه دقت برآورد 100 درصد است اما این دقت کاذب به علت کم بودن درجات آزادی و اطلاعات قابل استفاده است. نمونه های زیادی از تحقیقات با رسیدن به دقتی بالا تصور میکنند که مدل بدست آمده مناسب است . در حالی که درجات آزادی کم باعث این اشتباه شده است.
مثال: اگر دو مشاهده داشته باشیم، برای برآورد میانگین دو مشاهدهء مستقل داریم، اما برای برآورد واریانس تنها یک مشاهدهء مستقل وجود دارد. زیرا هر دو مشاهده دارای یک فاصله از میانگین هستند.
دیدگاه فلسفی
برای درک بهتر این مفهوم میتوان درجهء آزادی را یک معادل برای درجهء ابطال پذیری از دیدگاه فلاسفه ای مانند کارل پوپر دانست. اگر در مسئله ای درجات آزادی کم
باشد معادل است با اینکه ابطال پذیری آن مسئله کم است. یعنی با هر مشاهده ای تایید میشود و قابل ابطال نیست.
سازمان آماری
سازمان آماری سازمانی خدماتی است که وظیفهٔ تهیهٔ آمار را بر عهده دارد. دلیل وجود، رشد و مشارکت مشهود آنها در امور مربوط به دولت و جامعةخود، از توانایی آنها در تهیة اطلاعاتی برای حل مسائل مهم ریشه می‌گیرد. ولی اولویتها می‌توانند سریعتر از توانایی سازمان برای تعدیل تلاش تولیدی خود تغییر کنند. به این دلیل، مهم است که مسئولان ارشد آن دارای شم قوی و روابطی باشند که بتوانند مشکلات جدی را شناسایی کرده و آنها را از آنچه ممکن است چیزی جز مسایل گذرا نباشند متمایز کنند.
شاخص‌های پراکندگی
سنجش‌های پراکندگی (به انگلیسی: Measures of Variability) به اعدادی گویند که پراکندگی مجموعه‌ای از مشاهدات یا داده‌های اندازه گیری شده‌ای را خلاصه و توصیف میکنند.
دامنه، واریانس، و انحراف معیار، هر سه نمونه‌هایی از سنجش‌های پراکندگی هستند.
ضریب تغییرات
در نظریه احتمال و آمار ضریب تغییرات (به انگلیسی: coefficient of variation، مخفف:CV) یک معیار بهنجار است که برای اندازه‌گیری توزیع داده‌های آماری به کار می‌رود.
به عبارت دیگر ضریب تغییرات، میزان پراکندگی به ازای یک واحد از میانگین را بیان میکند. این مقدار زمانی تعریف شده است که میانگین صفر نباشد.
این مقدار بی‌بعد است به همین دلیل مناسب برای مقایسه داده‌های آماری است که واحدهای مختلفی دارند.
ضریب تغییرات تنها قابل کاربرد برای مقیاس‌های نسبی است و نمیتوان ار آن برای سنجش مقادیری که می‌توانند مقدار منفی بگیرند استفاده کرد یا به بیان بهتر نمیتوان از آن برای سنجش مقادیر فاصله‌ای بهره برد. مثلاً اگر درجه حرارت را با مقیاس فارنهایت در نظر بگیریم برای آن نمیتوان از ضریب تغییر اسفاده کرد و باید از مقیاس کلوین که همیشه مقداری مثبت است استفاده کرد.
متغیر پنهان
متغیرهای پنهان(در مقابل متغیرهای مشاهده شده)در آمار، متغیرهای هستند که بصورت مسقیم قابل مشاهده نیستند اما از میان متغیرهای دیگر که قابل مشاهده هستند توسط یک الگوی ریاضی استنباط می‌شوند. آنها همچنین بعضی وقت‌ها تحت عنوان متغیرهای پنهان، پارامترها ی مدل، متغیرهای فرضی یا ساختارهای فرضی شناخته می‌شوند.. استفاده متغیرهای پنهان در علوم اجتماعی متداول است، اقتصاد، پزشکی و تا حدی روبوتیک اما تعریف دقیق یک متغیر پنهان در این رشته‌ها کمی متفاوت است. مثال‌های از متغیرهای پنهان در حوزه اقتصاد عبارتند از کیفیت زندگی، اطمینان کار، روحیه، خوشحالی و اصول محافظه‌کاری: اینها متغیرها هستند که مستقیماً نمیتوان آنها را سنجید. با این وجود یک مدل اقتصادی را میتوان از پیوند این متغیرهای پنهان با متغیرهای مشاهده شده (از قبیل تولید ناخالص داخلی) بدست آورد و مقادیر متغیرهای پنهان را از متغیرهای مشاهده شده محاسبه و استنباط نمود.
متغیر تصادفی
در آمار و احتمال متغیر تصادفی متغیری است که مقدار آن از اندازه‌گیری برخی از انواع فرآیندهای تصادفی بدست می‌آید. بطور رسمی‌تر، متغیر تصادفی تابعی است از فضای نمونه به اعداد حقیقی. بطور مستقیم متغیر تصادفی توصیف عددی خروجی یک آزمایش است (مثل برآمدهای ممکن از پرتاب دو تاس (۱و۱) و (۱و۲) و غیره).
متغیرهای تصادفی به دو نوع گسسته (متغیر تصادفی که ممکن است تعداد محدود یا توالی نامحدودی از مقادیر را بگیرد) و پیوسته (متغیری که ممکن است هر مقدار عددی در یک یا چند بازه را بگیرد) طبقه‌بندی می‌شوند. مقادیر ممکن یک متغیر تصادفی می‌تواند نشان‌دهندهٔ برآمدهای آزمایشی که هنوز انجام نشده یا مقادیر بالقوهٔ یک کمیت که مقدارهای موجود آن نامطمئن هستند (مثلا درنتیجه اطلاعات ناقص یا اندازه‌گیری نادقیق) باشد. یک متغیر تصادفی می‌تواند بعنوان یک کمیت که مقدارش ثابت نیست و مقادیر مختلفی را می‌تواند بگیرد در نظر گرفته شود و توزیع احتمال برای توصیف احتمال اتفاق افتادن آن مقادیر استفاده میشود.
متغیرهای تصادفی معمولاً با اعداد حقیقی مقداردهی می‌شوند؛ ولی میتوان انواع دلخواهی مانند مقدارهای بولی، اعداد مختلط، بردارها، ماتریس‌ها، دنباله‌ها، درخت‌ها، مجموعه‌ها، شکل‌ها، منیوفیلدها، توابع و فرآیندها را درنظر گرفت. عبارت المان تصادفی همه این نوع مفاهیم را دربرمی گیرد.
متغیرهای تصادفی که با اعداد حقیقی مقداردهی می‌شوند، در علوم برای پیش‌بینی براساس داده‌های بدست آمده از آزمایش‌های علمی استفاده می‌شوند. علاوه بر کاربردهای علمی، متغیرهای تصادفی برای آنالیز بازیهای قمار و پدیده‌های تصادفی بوجود آمدند. در چنین مواردی تابعی که خروجی را به یک عدد حقیقی می‌نگارد معمولا یک تابع همانی یا بطور مشابه یک تابع بدیهی است و بطور صریح توصیف نشده است. با این وجود در بسیاری از موارد بهتر است متغیر تصادفی را بصورت توابعی از سایر متغیرهای تصادفی درنظر بگیریم که دراینصورت تابع نگاشت استفاده شده در تعریف یک متغیر تصادفی مهم میشود. بعنوان مثال، رادیکال یک متغیر تصادفی با توزیع استاندارد (نرمال) خود یک متغیر تصادفی با توزیع کی دو است. شهود این مطلب بدین صورت است که تصور کنید اعداد تصادفی بسیاری با توزیع نرمال تولید کرده و از هرکدام رادیکال بگیریم و سپس هیستوگرام داده‌های بدست آمده را بکشیم در اینصورت اگر داده‌ها به تعداد کافی باشند، نمودار هیستوگرام تابع چگالی توزیع کی دو را با یک درجه آزادی تقریب خواهد زد.
نام‌های دیگر
در برخی از کتاب‌های قدیمی‌تر به جای «متغیر تصادفی»، اصطلاح‌های «متغیر شانسی» و «متغیر استوکاستیکی» هم به کار رفته است.
انواع
متغیر تصادفی گسسته
متغیر تصادفی پیوسته
با توجه به وضع شمارایی فضای نمونه‌ای S، متغیر می‌تواند گسسته یا پیوسته باشد. اگر S متناهی یا نامتناهی شمارا باشد متغیر تصادفی X گسسته و اگر ناشمارا باشد X پیوسته خواهد بود.
یک توزیع همچنین می تواند از نوع مختلط (mixed) باشد به این صورت که بخشی از آن مقادیر خاصی را بگیرد و بخش دیگر آن مقادیر روی یک بازه را بگیرد.
مقدار موثر
در ریاضیات، جذر متوسط مربع (به انگلیسی: root mean square یا quadratic mean) که با نام مقدار RMS و مقدار مؤثر (به انگلیسی: effective value) نیز شناخته میشود، معیاری آماری از اندازه کمیت متغیر است.
آسانسور
آسانسور یا بالابر (به فرانسوی: ascenseur)، اتاقک متحرکی است که به وسیلهٔ آن از طبقه‌ای به طبقات بالا روند و یا از طبقهٔ بالا به پایین فرود آیند. به عبارت دیگر آسانسور تجهیزات حمل و نقل عمودی است که حرکت مردم و یا کالا بین طبقات را تسهیل می‌بخشد. آسانسور معمولاً به کمک موتور الکتریکی باعث حرکت عمودی کابین میشود.
پیشینه
از بررسی معماری ساختمانها در گذشته میتوان فهمید که در گذشته توان ساخت ساختمانهای بلند وچود داشته‌است ولی شاید دلیل اینکه چرا این کار چندان رواج نداشته، وجود پله‌های بسیار بوده‌باشد. این مشکل همچنان پابرجا بود تا اینکه یک مکانیک آمریکایی به نام الیشا اوتیس ایمنی را در بالابر با به کارگیری چرخی ضامن‌دار که در صورت پاره‌شدن طناب، اندکی پس از سقوط بالابر را متوقف می‌کرد، فراهم کرد. این اختراع که در سال ۱۸۵۴ در نمایشگاهی در نیویورک پرده‌برداری شد، مقدمه‌ای برای کاربرد گستردهٔ بالابر بود.ناصرالدین شاه در سفرنامه فرنگ خویش در تعریف و توصیف آسانسور می‌گوید: رفتیم به مریض‌خانه سنت توماس ... از مرتبه‌های زیر اسبابی دارند که ناخوش را روی تخت گذاشته از توی اطاق زیر می‌کشند به مرتبه بالا می‌برند. بسیار تماشا داشت که ناخوش حرکت نکند.
در حال حاضر یکی از مشکلات ساختمانهای بزرگ کافی نبودن فضای در نظر گرفته شده برای آسانسور است. این امر یعنی پیش‌بینی و منظور نمودن فضای کافی با محاسبه تعداد ظرفیت و سرعت مناسب آسانسورها باتوجه به ارتفاع و جمعیت ساکن و کاربری ساختمان باید در ابتدای کار یعنی در زمان طراحی ساختمانها مد نظر قرار گیرد؛ وگرنه پس از اجرای ساختمان معمولاً افزایش فضای چاه آسانسور بسیار مشکل و در اکثر موارد غیر ممکن است.
آسانسور وسیله‌ای است الکترومکانیکی، در ابتدای اختراع آسانسور به شکل امروزی، بیشتر قطعات و لوازم آسانسورها مکانیکی و الکتریکی بود ولی با پیشرفت علوم در حوزه الکترونیک و نیمه‌هادیها و همچنین ورود حوزه علوم هوش مصنوعی به صنعت این وسیله نیز تکامل یافت و به عنوان یک وسیله کاملاً کاربردی با حوزه سطح دسترسی کاملاً گسترده در بین جوامع شهری قرار گرفت. در طراحی آسانسور علومی همچون مکانیک، برق و الکترونیک، معماری و صنایع مورد استفاده‌است. به همین علت هیچگاه یک متخصص به تنهایی قادر نخواهد بود که یک آسانسور را به تنهایی و با تکیه بر یکی از شاخه‌های علوم طراحی نماید. تا قبل از دهه ۱۹۹۰، عمده اموزش‌ها در این صنعت بصورت اموزش‌های محدود و استاد و شاگردی و صرفاً در کارخانه‌های بزرگ آسانسورسازی معمول بود. به همین سبب آموزش در این صنعت محدود و پنهان بود. برای اولین بار در سال ۱۹۹۵ میلادی اتحادیه آسانسور و پله برقی انگلستان (LEIA) با همکاری پروفسور یانوفسکی و پروفسور جینا بارنی اقدام به برگزاری دوره‌های آموزشی کوتاه مدت ماژولاری در انگلستان نمود که بیشتر مورد استفاده نصابان و متخصین این کشور بود. در ادامه این اتحادیه با همکاری دانشگاه نورث همپتون انگلستان دوره‌های دانشگاهی این رشته را در مقطع کاردانی و کارشناسی آغاز نمود. اولین دوره این مقاطع در سال ۱۹۹۸ در نورث همپتون انگلستان با هدایت جانات آدامز، برایان واتز، استفان کازمارسیزیک که از اعضای هیئت علمی دانشکده مهندسی مکانیک و علوم کاربردی بودند آغاز شد. از سال ۲۰۰۰ به بعد مقاطع کارشناسی ارشد و دکتری تخصصی تحت عنوان elevator and escalator engineering آغاز گشت.
انواع آسانسور
تمامی آسانسورها در داشتن خصوصیاتی مانند داشتن کابین، حرکت عمودی و توقف در سطوح مختلف با هم مشابه اند. اما از لحاظ نحوه اعمال نیروی محرکه به کابین متفاوت هستند که معمولاً به سه دسته آسانسورهای کششی، هیدرولیک و وینچی تقسیم می شوند(البته نوع فوق پیشرفته دیگری که مغناطیسی می باشد وجود دارد).
آسانسورهای کششی
نیروی محرکه در این نوع آسانسورها از یک موتورالکتریکی که معمولاً در بالای چاه آسانسور و در محلی به نام موتورخانه نصب گردیده، تامین می شود. بر روی فلکه این موتور تعدادی کابل فولادی (اصطلاحاً سیم بکسل) وجود دارد که از یک سمت به کابین آسانسور و از سمت دیگر به وزنه‌های آسانسور که درون قابی فلزی به نام قاب وزنه قرار دارند، متصل است. جنس این وزنه ها معمولاً از چدن یا بتن است. وزن این وزنه ها به اندازه وزن کابین به علاوه نصف ظرفیت کابین است. وزن هر نفر در محاسبات مربوط به آسانسور ۷۵ کیلوگرم است. دلیل قرار دادن وزنه در سیستم آسانسور کمک به بالا بردن آسانسور است در غیر اینصورت برای این کار باید موتورهای بسیار قوی با کیلووات بالا استفاده کرد. پس با این کار توان موتور مورد استفاده کاهش می‌یابد. طبیعی است که این وزنه در پایین آمدن آسانسور مزاحمت ایجاد میکند، اما چون هر جسم بدون دخالت به پایین سقوط میکند پس استفاده از وزنه مانعی بزرگی در حرکت آسانسور ایجاد نمی‌کند.
اساس کار این نوع آسانسورها بر اساس نیروی اصطکاک بین سیم بکسلها و فلکه موتور است. در داخل فریم وزنه به اندازه وزن کابین به اضافه نصف ظرفیت کابین وزنه وجود دارد. مثلاً اگر ظرفیت کابین ۹۰۰ کیلوگرم باشد(یعنی آسانسور نفربر ۱۲ نفره چون متوسط وزن هر نفر ۷۵ کیلو گرم است)باندازه ۴۵۰ کیلوگرم باضافه وزن کابین در کادر وزنه، وزنه وجود دارد. با کمک این وزنه، نیروی کشش لازم برای حرکت کابین کاهش می یابد چرا که در صورت رعایت کردن ظرفیت کابین، اختلاف وزن بین کادر وزنه و کابین تحت هر شرایطی از نصف ظرفیت کابین (در مثال قبل ۴۵۰ کیلوگرم) بیشتر نخواهد شد و در حرکت به سمت بالا یا پایین سیستم کشش آسانسور حداکثر برای جابه جایی جرمی به اندازه نصف ظرفیت کابین توان مصرف خواهد کرد.
آسانسورهای هیدرولیک
امروزه آسانسورهای هیدرولیکی نیز جای خود را در بین کاربران خانگی باز کرده‌اند. در اروپا بیش از 70 درصد از آسانسورهای زیر 5 طبقه هیدرولیک استفاده می شوند که از محاسن این نوع آسانسورها میتوان به نرمی حرکت در استارت اولیه ؛ خرابی و استهلاک بسیار کم ؛ سهولت در عیب یابی و تعمیر ؛ ایجاد آسانسورهای زیبا و شیشه ای به دلیل حذف کادر وزنه و سیم بکسل ؛ احتیاج به سازه سبک ؛ عدم نیاز به موتورخانه در پشت بام ؛ ایجاد آسانسورهای باربر و سنگین با تناژ بالا و زیبایی بام خانه و همچنین تراز شدن دقیق آن در طبقات اشاره نمود اما از محدودیتهای استفاده از این نوع آسانسورها میتوان به محدودیت در ارتفاع و کندی نسبی سرعت آنها و تنها قرارگیری در چاهک را اشاره کرد.( البته امروزه با استفاده از درایو و سیستم خنک کننده می توان به سرعت 1 متر به صورت معمول دست یافت. آسانسورهای هیدرولیک با پمپ فشار روغن و جک هیدرولیک کار میکنند.
در آسانسورهای هیدرولیک به خاطر اینکه کادر وزنه وجود ندارد و سیستم جک هیدرولیکی باید تمامی کابین و مسافران را جا به جا کند نیاز به موتورهای قوی تری هست. در این آسانسورها یک موتور سه فاز غوطه ور در روغن به همراه یک شیرالکتریکی مخصوص که اصطلاحاً پاور یونیت نامیده می شوند وظیفه تامین فشار روغن برای جک هیدرولیک را داراست. برای راه اندازی موتور به خاطر وجود موتورهای قوی تر در صورت استفاده از درایو یا سافت استارتر نیاز به هزینه بسیار بالاتری است پس لذا معمولاً برای شروع به کار موتور پمپ هیدرولیک از سیستم رایج ستاره - مثلث استفاده می شود. اما این موتور و فشار تنها در حرکت به سمت بالا مورد نیاز است و برای حرکت کابین به سمت پایین نیازی به روشن کردن موتور و مصرف توان نیست و تنها با بازکردن یک شیر و خالی کردن روغن جک کابین به آرامی به سمت پایین حرکت می کند. به عبارت دیگر یک سیستم هیدرولیک تنها در نیمی از مسافت حرکتی خود (تنها به سمت بالا) خود توان قابل ملاحظه ای مصرف می کند و در نیمه دیگر (تنها به سمت پایین) از نیروی گرانش استفاده می کند و این موضوع مصرف برق بالاتر آن نسبت به آسانسورهای دوسرعته را منتفی می کند.
آسانسورهای وینچی
نوعی آسانسور است كه با زنجیر یا طناب فولادی آویزان شده و نیروی رانش به طریقی به غیر از اصطكاك به آن وارد می شود. در این نوع آسانسورها قاب وزنه وجود ندارد.
نیروی محرکه
نیروی محرکه موتور آسانسورها سابقاً از موتورهای جریان مستقیم و توسط برق برق جریان مستقیم بود که برای این گونه موتورها از راه اندازهای گوناگونی همانند وارد - لئونارد استفاده می شد. با از دور خارج شدن موتورهای جریان مستقیم (DC) و معرفی موتورهای القایی سه فاز سالهاست که از موتورهای الکتریکی سه فاز القایی یا آسنکرون و اخیراً از موتورهای مغناطیس دائم (PM) و یا سنکرون استفاده می شود. در این موتورها از مکانیسم لنت ترمز استفاده می شود که با استفاده از نیروی اصطکاک مانع از حرکت ناخواسته موتور در حالت توقف می شود.
موتورهای القایی مورد استفاده در آسانسور به همراه گیربکس (جعبه دنده) و چرخ طیار به کار می روند. این موتورها در ابتدا دارای یک استاتور و تک سرعته بودند. این سیستم دارای اشکالاتی از جمله تکان شدید در هنگام کار بود. به خاطر همین تکان شدید بود که سرعت نهایی کابین در این موتورها کم بود. پس از مدتی موتورهای دوسرعته به بازار عرضه شدند. این موتورها دارای دو استاتور جدا گانه هستند که برای دو سرعت تند و کند به کار می روند. تعداد قطب استاتور دور کند معمولاً چهار برابر دور تند است که باعث می شود سرعت دور کند موتور یک چهارم دور تند باشد. در این نوع موتورها استارت کار موتور با دور تند است. دو عامل یعنی نیروی عکس العمل دنده ها در گیربکس و وجود چرخ طیار یا فلای ویل متصل به محور روتور موتور که دارای لختی دورانی است، مانع از تشدید تکان ها می شوند. برای توقف موتور با استفاده از یک مدار الکتریکی استاتور دور کند وارد مدار شده و دور تند از مدار خارج می شود. تغییر جهت حرکت نیز با جابه جایی دو فاز امکان پذیر است.
با معرفی سیستم های کنترل دور موتور القایی که متشکل از یک مبدل (یکسو ساز) و یک اینورتر هستند، استفاده از آنها در صنعت آسانسور به سرعت پیشرفت کرد. مزیت های این درایورها عبارتند از: نرمی حرکت و توقف، بهبود ضریب توان و کاهش بار رآکتیو شبکه برق، امکان استفاده از موتورهای تک استاتوره و حذف چرخ طیار یا فلایویل و در نتیجه کاهش برق مصرفی. این داریورها که انواع مخصوص استفاده در تابلو فرمان آسانسور آن نیز عرضه شده است، با تغییر فرکانس، نمودار حرکتی منظمی از شروع تا انتها و ایستادن آسانسور ایجاد میکند. در انواع پیشرفته تر این درایورها معمولاً امکان اتصال به یک تاکومتر یا انکودر نیز وجود دارد. این انکودر با اتصال به محور موتور امکان کنترل حلقه بسته را برای درایور فراهم می کند. وجود فیدبک برای یک سیستم کنترل بسیار حایز اهمیت است و باعث نرمی حرکت فوق العاده در آسانسور می شود.
در هنگام توقف آسانسور به علت بالا بودن اندازه حرکت(تکانه) کابین گاهی اوقات موتور به صورت ژنراتوری کار می کند و نیاز است که انرژی تولید شده توسط موتور در جایی تخلیه شود. در آسانسورهای دوسرعته و در سیستم های قدیمی این انرژی به شبکه برق برگشت داده می شد اما در درایور ها به علت وجود یکسوساز، این انرژی قابل برگشت نیست و باعث ازدیاد شدید ولتاژ بر روی بانک خازنی موجود در درایور شده و امکان آسیب زدن به آن وجود دارد. به همین منظور از یک مقاومت با توان بالا جهت تخلیه این انرژی استفاده می شود که به آن اصطلاحاً مقاومت ترمز گفته می شود.
اما با همه این ها موتورهای القایی با گیربکس معایبی نیز دارند. از جمله آنها پایین بودن بازده الکتریکی موتور (در حدود هشتاد درصد) و پایین بودن بازده مکانیکی گیربکس (در حدود 45 درصد) که موجب افزایش هزینه ها و استهلاک سیستم می شود. به همین خاطر موتورهای سنکرون با مغناطیس دائم کم کم در صنعت آسانسور پدیدار شدند که بازده نهایی آنها گاهی به 95 درصد هم می رسد. گشتاور بسیار بالاتر محور موتور باعث می شود که نیازی به استفاده از گیربکس در این موتورها نباشد.این موتورها دارای سیستم راه اندازی پیچیده‌ای هستند و لزوماً باید با استفاده از درایور و تاکومتر مورد استفاده قرار بگیرند.
تابلو فرمان آسانسور
آسانسورها در گذشته نه چندان دور بوسیله تابلوهای رله‌ای فرماندهی می‌شدند. فرمان از این تابلوها به موتورهای به اصطلاح دوسرعته می‌رسید. این موتورها بوسیله دو سیم پیچی که داشتند قادر بودند با دو سرعت حرکت تند و کند کنند. آسانسور با سرعت تند حرکت می‌کرد و برای ایستادن در سطح طبقات و کاهش تکان زمان ایستادن با تغییر به سرعت کند و طی مسیر کوتاهی با این سرعت می‌ایستاد.
ایراد بزرگ این سیستم تکان در سه زمان در حرکت است. تکان در هنگام راه افتادن, تغییر سرعت به دور کند و ایستادن است. ایراد دیگر مصرف بالای برق و کاهش ضریب توان در این سیستم بدلیل اتصال مستقیم برق سه‌فاز به موتور جهت حرکت است. ضمناً ابعاد این تابلوها بسیار بزرگ و سیستم آن بسیار پیچیده بود و رفع خرابی آن به زمان و مهارت بسیاری نیاز داشت.
ایراد دیگر این سیستم متغیر بودن سطح کابین با طبقات با بارهای متفاوت است چون بدلیل عدم اطلاع موتور از وزن کابین (پر یا خالی بودن آن) همیشه نیروی یکسانی به موتور وارد میشود. ایراد دیگر این سیستم آسیب هایی است که در دراز مدت به موتور بدلیل اتصال ناگهانی ولتاژ وارد و باعث کاهش عمر مفید آن میشود. ضمناً این شوک در هنگام استارت آسانسور باعث نوسان ناگهانی ولتاژ میشود که نه تنها برای آسانسور بلکه برای سایر وسایل برقی مضر است. هر چند از این آسانسورها دیگر نصب نمی‌شود اما تعداد قابل توجهی از این آسانسورهای قدیمی در حال کارکردن هستند.
اما برای رفع اشکالات این تابلوهای رله‌ای بتدریج تابلوهای میکروپروسسوری وارد بازار شد. که در آن آی‌سیها و میکروها جایگزین رله ها شدند و با زبانهای مختلف برنامه‌نویسی برنامه‌ریزی می‌شدند تا حجم تابلوها کوچکتر شود و تعمیرات و رفع خرابی آن توسط افراد متخصص‌تر اما با راحتی بیشتری انجام شود.
این نوع تابلو که به تابلوی دوسرعته معروف است تمام ایرادات تابلوهای رله‌ای را جز ابعاد بزرگ و پیچیدگی تابلو داراست. نصب این تابلو همچنان ادامه دارد با اینکه بدلیل تاثیرات مخرب بر ولتاژ و مصرف بالا در برخی شهرهای بزرگ در ایران ممنوع شده‌است. اما در ساختمانهایی که نیاز به پروانه پایان کار ندارند و یا در تعمیرات آسانسورهای قدیمی همچنان به دلیل قیمت پایین تر آن نسبت به تابلوهای جدید پیشنهاد میشود. با پیشرفت الکترونیک صنعتی و ارزان‌تر شدن اینورترها استفاده از آنها در تابلوهای فرمان آسانسور رایج شده است و کم کم جایگزین سیستم‌های کنتاکتوری می‌شوند. کاهش تکان ها در هنگام تغییر سرعت و افزایش ضریب توان به دلیل اتصال با واسطه از طریق بانک خازنی اینورتر از مزایای تابلوهای فرمان اینورتری است که به تابلوهای درایودار شناخته می شوند. آسانسور کلمه ای فرانسوی میباشد.
آسانسور یا بالابر (به فرانسوی: ascenseur)، اتاقک متحرکی است که به وسیلهٔ آن از طبقه‌ای به طبقات بالا روند و یا از طبقهٔ بالا به پایین فرود آیند. به عبارت دیگر آسانسور تجهیزات حمل و نقل عمودی است که حرکت مردم و یا کالا بین طبقات را تسهیل می‌بخشد. آسانسور معمولاً به کمک موتور الکتریکی باعث حرکت عمودی کابین میشود.
پیشینه
از بررسی معماری ساختمانها در گذشته میتوان فهمید که در گذشته توان ساخت ساختمانهای بلند وچود داشته‌است ولی شاید دلیل اینکه چرا این کار چندان رواج نداشته، وجود پله‌های بسیار بوده‌باشد. این مشکل همچنان پابرجا بود تا اینکه یک مکانیک آمریکایی به نام الیشا اوتیس ایمنی را در بالابر با به کارگیری چرخی ضامن‌دار که در صورت پاره‌شدن طناب، اندکی پس از سقوط بالابر را متوقف می‌کرد، فراهم کرد. این اختراع که در سال ۱۸۵۴ در نمایشگاهی در نیویورک پرده‌برداری شد، مقدمه‌ای برای کاربرد گستردهٔ بالابر بود.ناصرالدین شاه در سفرنامه فرنگ خویش در تعریف و توصیف آسانسور می‌گوید: رفتیم به مریض‌خانه سنت توماس ... از مرتبه‌های زیر اسبابی دارند که ناخوش را روی تخت گذاشته از توی اطاق زیر می‌کشند به مرتبه بالا می‌برند. بسیار تماشا داشت که ناخوش حرکت نکند.
در حال حاضر یکی از مشکلات ساختمانهای بزرگ کافی نبودن فضای در نظر گرفته شده برای آسانسور است. این امر یعنی پیش‌بینی و منظور نمودن فضای کافی با محاسبه تعداد ظرفیت و سرعت مناسب آسانسورها باتوجه به ارتفاع و جمعیت ساکن و کاربری ساختمان باید در ابتدای کار یعنی در زمان طراحی ساختمانها مد نظر قرار گیرد؛ وگرنه پس از اجرای ساختمان معمولاً افزایش فضای چاه آسانسور بسیار مشکل و در اکثر موارد غیر ممکن است.
آسانسور وسیله‌ای است الکترومکانیکی، در ابتدای اختراع آسانسور به شکل امروزی، بیشتر قطعات و لوازم آسانسورها مکانیکی و الکتریکی بود ولی با پیشرفت علوم در حوزه الکترونیک و نیمه‌هادیها و همچنین ورود حوزه علوم هوش مصنوعی به صنعت این وسیله نیز تکامل یافت و به عنوان یک وسیله کاملاً کاربردی با حوزه سطح دسترسی کاملاً گسترده در بین جوامع شهری قرار گرفت. در طراحی آسانسور علومی همچون مکانیک، برق و الکترونیک، معماری و صنایع مورد استفاده‌است. به همین علت هیچگاه یک متخصص به تنهایی قادر نخواهد بود که یک آسانسور را به تنهایی و با تکیه بر یکی از شاخه‌های علوم طراحی نماید. تا قبل از دهه ۱۹۹۰، عمده اموزش‌ها در این صنعت بصورت اموزش‌های محدود و استاد و شاگردی و صرفاً در کارخانه‌های بزرگ آسانسورسازی معمول بود. به همین سبب آموزش در این صنعت محدود و پنهان بود. برای اولین بار در سال ۱۹۹۵ میلادی اتحادیه آسانسور و پله برقی انگلستان (LEIA) با همکاری پروفسور یانوفسکی و پروفسور جینا بارنی اقدام به برگزاری دوره‌های آموزشی کوتاه مدت ماژولاری در انگلستان نمود که بیشتر مورد استفاده نصابان و متخصین این کشور بود. در ادامه این اتحادیه با همکاری دانشگاه نورث همپتون انگلستان دوره‌های دانشگاهی این رشته را در مقطع کاردانی و کارشناسی آغاز نمود. اولین دوره این مقاطع در سال ۱۹۹۸ در نورث همپتون انگلستان با هدایت جانات آدامز، برایان واتز، استفان کازمارسیزیک که از اعضای هیئت علمی دانشکده مهندسی مکانیک و علوم کاربردی بودند آغاز شد. از سال ۲۰۰۰ به بعد مقاطع کارشناسی ارشد و دکتری تخصصی تحت عنوان elevator and escalator engineering آغاز گشت.
انواع آسانسور
تمامی آسانسورها در داشتن خصوصیاتی مانند داشتن کابین، حرکت عمودی و توقف در سطوح مختلف با هم مشابه اند. اما از لحاظ نحوه اعمال نیروی محرکه به کابین متفاوت هستند که معمولاً به سه دسته آسانسورهای کششی، هیدرولیک و وینچی تقسیم می شوند(البته نوع فوق پیشرفته دیگری که مغناطیسی می باشد وجود دارد).
آسانسورهای کششی
نیروی محرکه در این نوع آسانسورها از یک موتورالکتریکی که معمولاً در بالای چاه آسانسور و در محلی به نام موتورخانه نصب گردیده، تامین می شود. بر روی فلکه این موتور تعدادی کابل فولادی (اصطلاحاً سیم بکسل) وجود دارد که از یک سمت به کابین آسانسور و از سمت دیگر به وزنه‌های آسانسور که درون قابی فلزی به نام قاب وزنه قرار دارند، متصل است. جنس این وزنه ها معمولاً از چدن یا بتن است. وزن این وزنه ها به اندازه وزن کابین به علاوه نصف ظرفیت کابین است. وزن هر نفر در محاسبات مربوط به آسانسور ۷۵ کیلوگرم است. دلیل قرار دادن وزنه در سیستم آسانسور کمک به بالا بردن آسانسور است در غیر اینصورت برای این کار باید موتورهای بسیار قوی با کیلووات بالا استفاده کرد. پس با این کار توان موتور مورد استفاده کاهش می‌یابد. طبیعی است که این وزنه در پایین آمدن آسانسور مزاحمت ایجاد میکند، اما چون هر جسم بدون دخالت به پایین سقوط میکند پس استفاده از وزنه مانعی بزرگی در حرکت آسانسور ایجاد نمی‌کند.
اساس کار این نوع آسانسورها بر اساس نیروی اصطکاک بین سیم بکسلها و فلکه موتور است. در داخل فریم وزنه به اندازه وزن کابین به اضافه نصف ظرفیت کابین وزنه وجود دارد. مثلاً اگر ظرفیت کابین ۹۰۰ کیلوگرم باشد(یعنی آسانسور نفربر ۱۲ نفره چون متوسط وزن هر نفر ۷۵ کیلو گرم است)باندازه ۴۵۰ کیلوگرم باضافه وزن کابین در کادر وزنه، وزنه وجود دارد. با کمک این وزنه، نیروی کشش لازم برای حرکت کابین کاهش می یابد چرا که در صورت رعایت کردن ظرفیت کابین، اختلاف وزن بین کادر وزنه و کابین تحت هر شرایطی از نصف ظرفیت کابین (در مثال قبل ۴۵۰ کیلوگرم) بیشتر نخواهد شد و در حرکت به سمت بالا یا پایین سیستم کشش آسانسور حداکثر برای جابه جایی جرمی به اندازه نصف ظرفیت کابین توان مصرف خواهد کرد.
آسانسورهای هیدرولیک
امروزه آسانسورهای هیدرولیکی نیز جای خود را در بین کاربران خانگی باز کرده‌اند. در اروپا بیش از 70 درصد از آسانسورهای زیر 5 طبقه هیدرولیک استفاده می شوند که از محاسن این نوع آسانسورها میتوان به نرمی حرکت در استارت اولیه ؛ خرابی و استهلاک بسیار کم ؛ سهولت در عیب یابی و تعمیر ؛ ایجاد آسانسورهای زیبا و شیشه ای به دلیل حذف کادر وزنه و سیم بکسل ؛ احتیاج به سازه سبک ؛ عدم نیاز به موتورخانه در پشت بام ؛ ایجاد آسانسورهای باربر و سنگین با تناژ بالا و زیبایی بام خانه و همچنین تراز شدن دقیق آن در طبقات اشاره نمود اما از محدودیتهای استفاده از این نوع آسانسورها میتوان به محدودیت در ارتفاع و کندی نسبی سرعت آنها و تنها قرارگیری در چاهک را اشاره کرد.( البته امروزه با استفاده از درایو و سیستم خنک کننده می توان به سرعت 1 متر به صورت معمول دست یافت. آسانسورهای هیدرولیک با پمپ فشار روغن و جک هیدرولیک کار میکنند.
در آسانسورهای هیدرولیک به خاطر اینکه کادر وزنه وجود ندارد و سیستم جک هیدرولیکی باید تمامی کابین و مسافران را جا به جا کند نیاز به موتورهای قوی تری هست. در این آسانسورها یک موتور سه فاز غوطه ور در روغن به همراه یک شیرالکتریکی مخصوص که اصطلاحاً پاور یونیت نامیده می شوند وظیفه تامین فشار روغن برای جک هیدرولیک را داراست. برای راه اندازی موتور به خاطر وجود موتورهای قوی تر در صورت استفاده از درایو یا سافت استارتر نیاز به هزینه بسیار بالاتری است پس لذا معمولاً برای شروع به کار موتور پمپ هیدرولیک از سیستم رایج ستاره - مثلث استفاده می شود. اما این موتور و فشار تنها در حرکت به سمت بالا مورد نیاز است و برای حرکت کابین به سمت پایین نیازی به روشن کردن موتور و مصرف توان نیست و تنها با بازکردن یک شیر و خالی کردن روغن جک کابین به آرامی به سمت پایین حرکت می کند. به عبارت دیگر یک سیستم هیدرولیک تنها در نیمی از مسافت حرکتی خود (تنها به سمت بالا) خود توان قابل ملاحظه ای مصرف می کند و در نیمه دیگر (تنها به سمت پایین) از نیروی گرانش استفاده می کند و این موضوع مصرف برق بالاتر آن نسبت به آسانسورهای دوسرعته را منتفی می کند.
آسانسورهای وینچی
نوعی آسانسور است كه با زنجیر یا طناب فولادی آویزان شده و نیروی رانش به طریقی به غیر از اصطكاك به آن وارد می شود. در این نوع آسانسورها قاب وزنه وجود ندارد.
نیروی محرکه
نیروی محرکه موتور آسانسورها سابقاً از موتورهای جریان مستقیم و توسط برق برق جریان مستقیم بود که برای این گونه موتورها از راه اندازهای گوناگونی همانند وارد - لئونارد استفاده می شد. با از دور خارج شدن موتورهای جریان مستقیم (DC) و معرفی موتورهای القایی سه فاز سالهاست که از موتورهای الکتریکی سه فاز القایی یا آسنکرون و اخیراً از موتورهای مغناطیس دائم (PM) و یا سنکرون استفاده می شود. در این موتورها از مکانیسم لنت ترمز استفاده می شود که با استفاده از نیروی اصطکاک مانع از حرکت ناخواسته موتور در حالت توقف می شود.
موتورهای القایی مورد استفاده در آسانسور به همراه گیربکس (جعبه دنده) و چرخ طیار به کار می روند. این موتورها در ابتدا دارای یک استاتور و تک سرعته بودند. این سیستم دارای اشکالاتی از جمله تکان شدید در هنگام کار بود. به خاطر همین تکان شدید بود که سرعت نهایی کابین در این موتورها کم بود. پس از مدتی موتورهای دوسرعته به بازار عرضه شدند. این موتورها دارای دو استاتور جدا گانه هستند که برای دو سرعت تند و کند به کار می روند. تعداد قطب استاتور دور کند معمولاً چهار برابر دور تند است که باعث می شود سرعت دور کند موتور یک چهارم دور تند باشد. در این نوع موتورها استارت کار موتور با دور تند است. دو عامل یعنی نیروی عکس العمل دنده ها در گیربکس و وجود چرخ طیار یا فلای ویل متصل به محور روتور موتور که دارای لختی دورانی است، مانع از تشدید تکان ها می شوند. برای توقف موتور با استفاده از یک مدار الکتریکی استاتور دور کند وارد مدار شده و دور تند از مدار خارج می شود. تغییر جهت حرکت نیز با جابه جایی دو فاز امکان پذیر است.
با معرفی سیستم های کنترل دور موتور القایی که متشکل از یک مبدل (یکسو ساز) و یک اینورتر هستند، استفاده از آنها در صنعت آسانسور به سرعت پیشرفت کرد. مزیت های این درایورها عبارتند از: نرمی حرکت و توقف، بهبود ضریب توان و کاهش بار رآکتیو شبکه برق، امکان استفاده از موتورهای تک استاتوره و حذف چرخ طیار یا فلایویل و در نتیجه کاهش برق مصرفی. این داریورها که انواع مخصوص استفاده در تابلو فرمان آسانسور آن نیز عرضه شده است، با تغییر فرکانس، نمودار حرکتی منظمی از شروع تا انتها و ایستادن آسانسور ایجاد میکند. در انواع پیشرفته تر این درایورها معمولاً امکان اتصال به یک تاکومتر یا انکودر نیز وجود دارد. این انکودر با اتصال به محور موتور امکان کنترل حلقه بسته را برای درایور فراهم می کند. وجود فیدبک برای یک سیستم کنترل بسیار حایز اهمیت است و باعث نرمی حرکت فوق العاده در آسانسور می شود.
در هنگام توقف آسانسور به علت بالا بودن اندازه حرکت(تکانه) کابین گاهی اوقات موتور به صورت ژنراتوری کار می کند و نیاز است که انرژی تولید شده توسط موتور در جایی تخلیه شود. در آسانسورهای دوسرعته و در سیستم های قدیمی این انرژی به شبکه برق برگشت داده می شد اما در درایور ها به علت وجود یکسوساز، این انرژی قابل برگشت نیست و باعث ازدیاد شدید ولتاژ بر روی بانک خازنی موجود در درایور شده و امکان آسیب زدن به آن وجود دارد. به همین منظور از یک مقاومت با توان بالا جهت تخلیه این انرژی استفاده می شود که به آن اصطلاحاً مقاومت ترمز گفته می شود.
اما با همه این ها موتورهای القایی با گیربکس معایبی نیز دارند. از جمله آنها پایین بودن بازده الکتریکی موتور (در حدود هشتاد درصد) و پایین بودن بازده مکانیکی گیربکس (در حدود 45 درصد) که موجب افزایش هزینه ها و استهلاک سیستم می شود. به همین خاطر موتورهای سنکرون با مغناطیس دائم کم کم در صنعت آسانسور پدیدار شدند که بازده نهایی آنها گاهی به 95 درصد هم می رسد. گشتاور بسیار بالاتر محور موتور باعث می شود که نیازی به استفاده از گیربکس در این موتورها نباشد.این موتورها دارای سیستم راه اندازی پیچیده‌ای هستند و لزوماً باید با استفاده از درایور و تاکومتر مورد استفاده قرار بگیرند.
تابلو فرمان آسانسور
آسانسورها در گذشته نه چندان دور بوسیله تابلوهای رله‌ای فرماندهی می‌شدند. فرمان از این تابلوها به موتورهای به اصطلاح دوسرعته می‌رسید. این موتورها بوسیله دو سیم پیچی که داشتند قادر بودند با دو سرعت حرکت تند و کند کنند. آسانسور با سرعت تند حرکت می‌کرد و برای ایستادن در سطح طبقات و کاهش تکان زمان ایستادن با تغییر به سرعت کند و طی مسیر کوتاهی با این سرعت می‌ایستاد.
ایراد بزرگ این سیستم تکان در سه زمان در حرکت است. تکان در هنگام راه افتادن, تغییر سرعت به دور کند و ایستادن است. ایراد دیگر مصرف بالای برق و کاهش ضریب توان در این سیستم بدلیل اتصال مستقیم برق سه‌فاز به موتور جهت حرکت است. ضمناً ابعاد این تابلوها بسیار بزرگ و سیستم آن بسیار پیچیده بود و رفع خرابی آن به زمان و مهارت بسیاری نیاز داشت.
ایراد دیگر این سیستم متغیر بودن سطح کابین با طبقات با بارهای متفاوت است چون بدلیل عدم اطلاع موتور از وزن کابین (پر یا خالی بودن آن) همیشه نیروی یکسانی به موتور وارد میشود. ایراد دیگر این سیستم آسیب هایی است که در دراز مدت به موتور بدلیل اتصال ناگهانی ولتاژ وارد و باعث کاهش عمر مفید آن میشود. ضمناً این شوک در هنگام استارت آسانسور باعث نوسان ناگهانی ولتاژ میشود که نه تنها برای آسانسور بلکه برای سایر وسایل برقی مضر است. هر چند از این آسانسورها دیگر نصب نمی‌شود اما تعداد قابل توجهی از این آسانسورهای قدیمی در حال کارکردن هستند.
اما برای رفع اشکالات این تابلوهای رله‌ای بتدریج تابلوهای میکروپروسسوری وارد بازار شد. که در آن آی‌سیها و میکروها جایگزین رله ها شدند و با زبانهای مختلف برنامه‌نویسی برنامه‌ریزی می‌شدند تا حجم تابلوها کوچکتر شود و تعمیرات و رفع خرابی آن توسط افراد متخصص‌تر اما با راحتی بیشتری انجام شود.
این نوع تابلو که به تابلوی دوسرعته معروف است تمام ایرادات تابلوهای رله‌ای را جز ابعاد بزرگ و پیچیدگی تابلو داراست. نصب این تابلو همچنان ادامه دارد با اینکه بدلیل تاثیرات مخرب بر ولتاژ و مصرف بالا در برخی شهرهای بزرگ در ایران ممنوع شده‌است. اما در ساختمانهایی که نیاز به پروانه پایان کار ندارند و یا در تعمیرات آسانسورهای قدیمی همچنان به دلیل قیمت پایین تر آن نسبت به تابلوهای جدید پیشنهاد میشود. با پیشرفت الکترونیک صنعتی و ارزان‌تر شدن اینورترها استفاده از آنها در تابلوهای فرمان آسانسور رایج شده است و کم کم جایگزین سیستم‌های کنتاکتوری می‌شوند. کاهش تکان ها در هنگام تغییر سرعت و افزایش ضریب توان به دلیل اتصال با واسطه از طریق بانک خازنی اینورتر از مزایای تابلوهای فرمان اینورتری است که به تابلوهای درایودار شناخته می شوند. آسانسور کلمه ای فرانسوی میباشد.
ساعت : 12:55 pm | نویسنده : admin
|
مطلب بعدی