Submit Search
Upload
電子工作の安全性について
•
Download as ODP, PDF
•
11 likes
•
6,096 views
H
HIROHIDE SHIMOGUCHI
Follow
電子工作を設計という観点で、安全性に気を配るにはどうしたらいいかについて、記述しました
Read less
Read more
Engineering
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 23
Download now
Recommended
2018年1月 音声研究会 オーガナイズドセッション「新たな音声モデルによる音声合成・音声生成―深層学習による音声波形モデルWaveNet―」(招待講演) 戸田 智基:WaveNetが音声合成研究に与える影響,Jan. 2018 名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響
NU_I_TODALAB
自分の知識整理のために、Attentionの起源から、Transformerの入門レベルまでの内容をスライドにまとめました
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
日本音響学会 2018年秋季研究発表会 林 知樹,渡部 晋治,戸田 智基,武田 一哉:End-to-End音声認識ためのMulti-Head Decoderネットワーク,Sep. 2018. 名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
End-to-End音声認識ためのMulti-Head Decoderネットワーク
End-to-End音声認識ためのMulti-Head Decoderネットワーク
NU_I_TODALAB
AutoDock_vina_japanese_ver.2.0
AutoDock_vina_japanese_ver.2.0
Satoshi Kume
音声認識における言語モデル
音声認識における言語モデル
音声認識における言語モデル
KOTARO SETOYAMA
日本音響学会2021春季研究発表会1-1-2 北村大地, 矢田部浩平, "スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価," 日本音響学会 2021年春季研究発表会講演論文集, 1-1-2, pp. 121–124, Tokyo, March 2021. Daichi Kitamura and Kohei Yatabe, "Experimental evaluation of consistent independent low-rank matrix analysis," Proceedings of 2021 Spring Meeting of Acoustical Society of Japan, 1-1-2, pp. 121–124, Tokyo, March 2021 (in Japanese).
スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価
スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価
Daichi Kitamura
DL輪読会, Deep Mind, Deep Learning, Nature
[DL輪読会] Hybrid computing using a neural network with dynamic external memory
[DL輪読会] Hybrid computing using a neural network with dynamic external memory
Yusuke Iwasawa
社内で行った「International Conference on Learning Represantation (ICLR)2022読み会」でまとめた資料です。
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
ARISE analytics
Recommended
2018年1月 音声研究会 オーガナイズドセッション「新たな音声モデルによる音声合成・音声生成―深層学習による音声波形モデルWaveNet―」(招待講演) 戸田 智基:WaveNetが音声合成研究に与える影響,Jan. 2018 名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響
NU_I_TODALAB
自分の知識整理のために、Attentionの起源から、Transformerの入門レベルまでの内容をスライドにまとめました
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
日本音響学会 2018年秋季研究発表会 林 知樹,渡部 晋治,戸田 智基,武田 一哉:End-to-End音声認識ためのMulti-Head Decoderネットワーク,Sep. 2018. 名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
End-to-End音声認識ためのMulti-Head Decoderネットワーク
End-to-End音声認識ためのMulti-Head Decoderネットワーク
NU_I_TODALAB
AutoDock_vina_japanese_ver.2.0
AutoDock_vina_japanese_ver.2.0
Satoshi Kume
音声認識における言語モデル
音声認識における言語モデル
音声認識における言語モデル
KOTARO SETOYAMA
日本音響学会2021春季研究発表会1-1-2 北村大地, 矢田部浩平, "スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価," 日本音響学会 2021年春季研究発表会講演論文集, 1-1-2, pp. 121–124, Tokyo, March 2021. Daichi Kitamura and Kohei Yatabe, "Experimental evaluation of consistent independent low-rank matrix analysis," Proceedings of 2021 Spring Meeting of Acoustical Society of Japan, 1-1-2, pp. 121–124, Tokyo, March 2021 (in Japanese).
スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価
スペクトログラム無矛盾性を用いた独立低ランク行列分析の実験的評価
Daichi Kitamura
DL輪読会, Deep Mind, Deep Learning, Nature
[DL輪読会] Hybrid computing using a neural network with dynamic external memory
[DL輪読会] Hybrid computing using a neural network with dynamic external memory
Yusuke Iwasawa
社内で行った「International Conference on Learning Represantation (ICLR)2022読み会」でまとめた資料です。
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
ARISE analytics
動画像理解のための深層学習アプローチ 2023-10-26
動画像理解のための深層学習アプローチ
動画像理解のための深層学習アプローチ
Toru Tamaki
R, Random Forest, ranger, Rborist
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
Shintaro Fukushima
2020年12月 SP/SLP/NL/NLC研究会
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
Shinnosuke Takamichi
第2回『トピックモデルによる統計的潜在意味解析』読書会 http://topicmodel.connpass.com/event/15783/
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
健児 青木
2023/8/4 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Hopfield network 関連研究について
【DL輪読会】Hopfield network 関連研究について
Deep Learning JP
Hadoop Conference Japan 2011での講演資料
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
Preferred Networks
生命科学での探索的な用途を念頭に、分子グラフなど個々の対象がグラフ構造で表現されたデータが多数蓄積されている。本講演では、こうしたデータに対して、各々のグラフgに何か関連値yが付与されている場合に、(g,y)の多数事例に基づく対応g→yの教師付き学習を行う手法を概説する。このような問題の例としては、ある化学構造の化合物が突然変異誘発性を持つかを予測する問題などがあり、グラフカーネル法をはじめとしてグラフ集合上の統計的機械学習により良い結果が得られている。また、講演者が近年取り組んできた全ての可能な部分グラフ特徴から疎学習に基づき特徴集合と線形モデルの同時学習を行う厳密法と関連手法も併せて紹介する。
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
Ichigaku Takigawa
DeepMind社より発表されたNeural Turing Machineをまとめてみました
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
Golnaz Ghiasi, Yin Cui, Aravind Srinivas, Rui Qian, Tsung-Yi Lin, Ekin D. Cubuk, Quoc V. Le, Barret Zoph; Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segmentation, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021, pp. 2918-2928 https://openaccess.thecvf.com/content/CVPR2021/html/Ghiasi_Simple_Copy-Paste_Is_a_Strong_Data_Augmentation_Method_for_Instance_CVPR_2021_paper.html
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
Toru Tamaki
2016/9/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
Deep Learning JP
本講演では、AIシステムの要求や機械学習の要求仕様として考慮すべき観点やその分析のプロセスを解説する。AIシステムや機械学習特有の要求として、人が行っていた判断をソフトウェアが行うことによって生ずる倫理的な要求や公平性への考慮がある。特に雇用や与信に関するソフトウェアは、男女、人種などにより差別を行ってはならないという法律上の制約があり、公平性要求を決定することは必須となる。また、深層学習など説明可能性性の低い機械学習を使った場合に不都合が起こらないかどうか説明可能性への考慮や、機械学習の推論の頑健性の考慮がデータドリフト・コンセプトドリフトなどにより運用時に性能が劣化してしまうことを考慮した運用時の要求も分析する必要がある。
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
Nobukazu Yoshioka
子供の小遣いの値段で簡単に実現! ChatGPT + LlamaIndex 0 .6による チャットボット の実装 ※バージョン0.6.0(pip install llama-index==0.6.0)でお試しください。
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
Takanari Tokuwa
2020年8月19日に行われました「Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -」の資料です。 ティアフォーの関谷英爾と飯田祐希が自動運転システム開発やサービスにおいてどのようなクラウドシステムが構築され用いられているのかを余すことなく説明した資料で、映像もふんだんに盛り込まれています。 https://techplay.jp/event/789355
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier_IV
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
Tomoyuki Hioki
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
ニューロコンピューティング研究会(2021/06/29(火)) オンライン発表
機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案
Reiji Ohkuma
社内勉強会で発表した画像認識におけるTransformerの研究動向についてまとめた資料です。社のサイト(https://tech-ai.panasonic.com/jp/)にて、ブログ版(https://tech-ai.panasonic.com/jp/blog_page.html?id=20211022)も公開しています。
Transformer 動向調査 in 画像認識
Transformer 動向調査 in 画像認識
Kazuki Maeno
テンソル代数、テンソル分解の基礎、ちょっとした応用の例をプレゼンしたものです。
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
More Related Content
What's hot
動画像理解のための深層学習アプローチ 2023-10-26
動画像理解のための深層学習アプローチ
動画像理解のための深層学習アプローチ
Toru Tamaki
R, Random Forest, ranger, Rborist
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
Shintaro Fukushima
2020年12月 SP/SLP/NL/NLC研究会
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
Shinnosuke Takamichi
第2回『トピックモデルによる統計的潜在意味解析』読書会 http://topicmodel.connpass.com/event/15783/
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
健児 青木
2023/8/4 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Hopfield network 関連研究について
【DL輪読会】Hopfield network 関連研究について
Deep Learning JP
Hadoop Conference Japan 2011での講演資料
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
Preferred Networks
生命科学での探索的な用途を念頭に、分子グラフなど個々の対象がグラフ構造で表現されたデータが多数蓄積されている。本講演では、こうしたデータに対して、各々のグラフgに何か関連値yが付与されている場合に、(g,y)の多数事例に基づく対応g→yの教師付き学習を行う手法を概説する。このような問題の例としては、ある化学構造の化合物が突然変異誘発性を持つかを予測する問題などがあり、グラフカーネル法をはじめとしてグラフ集合上の統計的機械学習により良い結果が得られている。また、講演者が近年取り組んできた全ての可能な部分グラフ特徴から疎学習に基づき特徴集合と線形モデルの同時学習を行う厳密法と関連手法も併せて紹介する。
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
Ichigaku Takigawa
DeepMind社より発表されたNeural Turing Machineをまとめてみました
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
2014.12.6. Nagoya.R #12 外国語教育研究の仮想データを用いてRのlme4パッケージやlmerTestパッケージを使ってみるというような主旨の発表です。 slideshare上から無料でダウンロードできなくなってしまったので,speakerdeckにも同じ資料をあげました。ダウンロードされたい方,広告がうっとおしいという方は下記のURLからどうぞ。 https://speakerdeck.com/tam07pb915/an-introduction-to-lme
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
Golnaz Ghiasi, Yin Cui, Aravind Srinivas, Rui Qian, Tsung-Yi Lin, Ekin D. Cubuk, Quoc V. Le, Barret Zoph; Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segmentation, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021, pp. 2918-2928 https://openaccess.thecvf.com/content/CVPR2021/html/Ghiasi_Simple_Copy-Paste_Is_a_Strong_Data_Augmentation_Method_for_Instance_CVPR_2021_paper.html
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
Toru Tamaki
2016/9/16 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
Deep Learning JP
本講演では、AIシステムの要求や機械学習の要求仕様として考慮すべき観点やその分析のプロセスを解説する。AIシステムや機械学習特有の要求として、人が行っていた判断をソフトウェアが行うことによって生ずる倫理的な要求や公平性への考慮がある。特に雇用や与信に関するソフトウェアは、男女、人種などにより差別を行ってはならないという法律上の制約があり、公平性要求を決定することは必須となる。また、深層学習など説明可能性性の低い機械学習を使った場合に不都合が起こらないかどうか説明可能性への考慮や、機械学習の推論の頑健性の考慮がデータドリフト・コンセプトドリフトなどにより運用時に性能が劣化してしまうことを考慮した運用時の要求も分析する必要がある。
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
Nobukazu Yoshioka
子供の小遣いの値段で簡単に実現! ChatGPT + LlamaIndex 0 .6による チャットボット の実装 ※バージョン0.6.0(pip install llama-index==0.6.0)でお試しください。
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
Takanari Tokuwa
2020年8月19日に行われました「Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -」の資料です。 ティアフォーの関谷英爾と飯田祐希が自動運転システム開発やサービスにおいてどのようなクラウドシステムが構築され用いられているのかを余すことなく説明した資料で、映像もふんだんに盛り込まれています。 https://techplay.jp/event/789355
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier_IV
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
Tomoyuki Hioki
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
ニューロコンピューティング研究会(2021/06/29(火)) オンライン発表
機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案
Reiji Ohkuma
社内勉強会で発表した画像認識におけるTransformerの研究動向についてまとめた資料です。社のサイト(https://tech-ai.panasonic.com/jp/)にて、ブログ版(https://tech-ai.panasonic.com/jp/blog_page.html?id=20211022)も公開しています。
Transformer 動向調査 in 画像認識
Transformer 動向調査 in 画像認識
Kazuki Maeno
テンソル代数、テンソル分解の基礎、ちょっとした応用の例をプレゼンしたものです。
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
What's hot
(20)
動画像理解のための深層学習アプローチ
動画像理解のための深層学習アプローチ
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
国際会議 interspeech 2020 報告
国際会議 interspeech 2020 報告
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
【DL輪読会】Hopfield network 関連研究について
【DL輪読会】Hopfield network 関連研究について
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
多数のグラフからの統計的機械学習 (2014.7.24 人工知能学会 第94回人工知能基本問題研究会 招待講演)
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
[DL輪読会]Wavenet a generative model for raw audio
[DL輪読会]Wavenet a generative model for raw audio
機械学習応用システムのための要求工学
機械学習応用システムのための要求工学
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
ChatGPT + LlamaIndex 0 .6 による チャットボット の実装
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at Scale
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
機械学習を用いたfNIRSの解析手法の提案
機械学習を用いたfNIRSの解析手法の提案
Transformer 動向調査 in 画像認識
Transformer 動向調査 in 画像認識
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
電子工作の安全性について
1.
セーフティ電子工作 どうして基板を作る必要があるの か?? ~惨劇を食い止めろ!!~
2.
そもそも基板で発生する事故は? ・改造の失敗(ショート) ・電源間違い ・電力計算ミス(もしくはしていない) ・安全対策もれ
3.
電源の間違い とその対策方法
4.
つくる前にブロック図を描こう 特に、電源はしっかりと書いておくことが 重要!!
5.
どうして電源が危ないのか? 間違えても、気合で動くからです。 オーバーしていると、そのうち壊れます。
6.
基板内に電源が複数ある場合 5Vトレラントか?? 特に、回路内に5Vの信号がある場合は注意
7.
まとめ ● 使用デバイスは全部、データーシートで確 認 ● 電源とIOの絶対最大定格電圧をすべて確認 しよう
8.
改造の失敗 とその対策
9.
どうしても避けられない もしくは 改造箇所が外れたりして、ショートの元にな ります。
10.
まとめ ● 改造して動作することを確認したら、ボン ドで固定する。 ● ジャンパーも危ないので、なるべく固定す る。 ●
基板周辺は常にきれいにしておくこと。
11.
電力計算ミス とその対策
12.
こんなの見つけました。 よっしゃあ!800mAゲット!!
13.
萌え 燃えます LDOは降圧したエネルギーが熱になります。 5Vから3.3Vに降圧させて、800mA流すと。。。 電力 = (5-3.3)
X 0.8 = 1.36W このパッケージの熱抵抗 ΘJA90より 90 X 1.36 = 122.4 室温が25度だとすると ジャンクション = 122.4 + 25 = 147.4度 となり、 火傷、もしくは発火の危険性があります。
14.
ほかにも 電流ラインをハイサイド側で制御する FETが中途半端にONされて、燃えます。
15.
その他 定電流回路も要注意!! 電流を制御する回路は基本熱くなる。 FETがとてつもなく熱く なる。
16.
まとめ ● 基本、電源はすべて電力計算する。 ● 電流を流すラインをハイサイドで制御しな い。 ●
電流を制御するラインは、電力計算する。 ● 抵抗が100オーム以下の場合は念のた め、電力を計算する。
17.
安全対策
18.
基本、ヒューズかポリスイッチ ただし選定を誤ると意味がない。
19.
そもそもポリスイッチって?? 熱で抵抗が上がるデバイスです 仮にショートしても、保持電流は流れ続け る。
20.
したがって ただしいポリスイッチを選定するために、 基板全体の消費電力を知る必要がありま す。 主要部品の消費電流量を調べておく。
21.
まとめ ● ポリスイッチやヒューズは最後の砦です。 ● 使用デバイスを一覧にまとめ、電流量を計 算する。 ●
ポリスイッチは最大電流量のちょっと上あ たりの保持電流を狙う(使用温度も計算に 入れる)
22.
最後に 最近電子工作で、基板を作る人が増えてい ます。ユニバーサル基板よりも見栄えがよ く、かっこいいですが、以下のことを肝に 銘じてください。 動いているからいいや。という考えを捨てる こと!!
23.
御静聴ありがとうございました
Download now