Kaikki kirjoittajan LAMKpub artikkelit

Effects of moisture on automatic textile fiber identification by NIR spectroscopy

Lahti UAS has recently acquired a textile identifying and sorting unit REISKAtex® in order to develop identification analytics for different textile fibers. This article evaluates the effect of various humidity conditions in near infrared (NIR) spectrum of three different textile fiber materials, namely cotton, wool, and polyester.

Authors: Jussi Salin and Lea Heikinheimo


Textile recycling has a significant environmental impact. In Finland, 71.2 million kg of textiles is removed from use each year (Dahlbo et al. 2015, 41). Various existing and new recycling processes for textile fibers depend on the purity and the right type of fiber material for each recycling process, because wrong materials create interference (Schmidt et al. 2016, 9; Fontell & Heikkilä 2017, 36). Automatic sorting could allow a larger portion of the textile waste flow to be processed into new fibers, if the fiber material contents of the recyclable textiles can be identified in order to send each textile for appropriate processing. In automatic sorting, a NIR analyzer could be used to identify the fiber materials of the recyclable textiles.

Water is known to be a significant variable in NIR spectroscopy, and therefore it could affect the automatic identification result of a NIR analyzer (Smith 2011, 16). Water absorption is used to determine the amount of water absorbed in textile materials under specified conditions. Factors affecting water absorption of a fabric are type of textile fiber, fabric structure, temperature, and length of exposure.

The analyzer used in this study is attached to a sorting unit located at Lahti UAS. This study is part of the Telaketju project. Telaketju is a co-operation network in Finland, which promotes circular economy by creating improvements both in recycling processes and in the flow of materials between companies. Telaketju is coordinated by VTT and Lounais-Suomen Jätehuolto Oy. The storage conditions of discarded textiles have raised concerns, including the effects of absorbed moisture. Developing automatic textile sorting is one key area of improvement of recycling. (Fontell & Heikkilä 2017, 31; Telaketju 2018.)

Testing methods and equipment

All fabrics used in the test have been stored in a normal room at the faculty, which has been at about 19 % relative humidity (RH) and 19 °C temperature throughout the experiment. The fabrics that are used for moisture testing are dried in a UT 12 drying cabinet by Kendro Laboratory Products at 104 °C. They are being dried till their weight stabilizes. An A&D GF-3000 digital scale is used for weighing the samples. Dry weights of the test fabric pieces can be obtained at this point. Next, the test fabrics are placed in various conditions, where they absorb air moisture till their weight no longer increases. The various moisture conditions are generated either by an ARC-500 weather cabinet by ArcTest company, or in a special room that has a Conairr CP3 air moisturizer and a temperature-controlled Glamox 200 radiator. (Salin 2018, 64-65.)

Between each tested moisture condition, the test fabrics are dried again to eliminate the hysteresis effect that occurs in textile fibers. If the fabric was not dried, it would gain slightly more moisture in a moist condition for being already in a more “open” state. In standard test methods, conditioning should always begin in the dry state (Collier & Epps 1999, 64).

NIR spectrums are obtained with NIRS Analyzer Pro by Metrohm AG, which is accompanied by Vision software. The software is used for gathering spectrums of textile samples, plotting them as graphs, and for creating an identification library. The identification library is trained with numerous samples of all textile fiber material groups chosen for the test. After verifying the library, it is then possible to attempt automatic identification of the test samples in their different moisture states, to report if identification fails at certain known amounts of moisture. The spectral range of the analyzer is between 1100 nm and 1650 nm (Metrohm AG 2017).

Fabric samples

Textile samples are taken from the textile library of Lahti UAS, which has collected fabrics of various fiber materials by various textile and fiber manufacturers. A total of 65 cotton fabrics, 9 wool fabrics and 178 polyester fabrics were chosen for training the identification library in Vision software (Salin 2018, 31).

One separate fabric piece of each fiber material is chosen for moisture testing. The structure of all three fabrics is plain weave (Salin 2018, 66).

Effects on fabric weight

The digital scale reports weights with 0.01 g accuracy when test fabrics are measured multiple times in a row. After weighing the test fabrics in each condition and calculating how much their weight has changed from dry weight, a graph is drawn (see Figure 1). The weight of wool is greatly increased by air humidity, it therefore being the most hydrophilic fiber material in the test, whereas cotton shows only relatively small increases. Polyester appears to be unaffected by humidity.

Figure 1. Measured water content increase of each test sample in different conditions next to commercial moisture regain coefficients located at 65.0 % RH and 20.0 °C (Salin 2018, 69).

By knowing dry weights of the test fabrics, it is possible to calculate water content regain coefficients of each measured condition. The measured coefficients can be compared to commercial moisture regain coefficients listed in the SFS 4876 standard. Coefficients of the standard are specified for 65.0 % ± 4.0 % RH and 20.0 °C ± 2.0 °C standard atmosphere condition of the SFS-EN ISO 139/A1 standard (SFS-EN ISO 139/A1). In Figure 1, the commercial moisture regain coefficients are drawn at 65.0 % RH as dots, next to the measured coefficients connected by lines. The commercial moisture regain coefficients are reasonably in line, except for polyester. The polyester test piece does not gain weight to an extent that can be measured by the digital scale even at 85 % RH, but commercial moisture regain expects it to gain 1.50 % more weight at 65.0 % RH (SFS 4876). That would be an 0.2 g increase to the 13.2 g dry weight of the test piece.

Effects on spectrum

Spectrums are gathered of each condition and test fabric, shown in Figure 2. Judging from the weight, wool and cotton absorb water content from air humidity, while polyester appears unaffected. The same effect can be seen in how the spectrum of polyester appears relatively unchanged, while wool and cotton have definite changes by absorbed water. The first overtone of water (H2O) causes a peak at 1460 nm, and the first overtone of hydroxide (OH), which is bundled in small amounts along water moisture, causes a peak at 1600 nm (Davies 2017). The more moisture the fabrics have absorbed, the greater the change in the spectrum. Cotton has relatively small changes because it is less hydrophilic than wool. Because of this, as an additional demonstration, the cotton test fabric is held in running water and then a spectrum is acquired again, which can also be seen in Figure 2.

Figure 2. Non-pretreated NIR absorbance spectrums of cotton, wool, and polyester test fabrics, at 1100-1650 nm, as water content changes in different humidity conditions (Salin 2018, 70-71).

To produce one spectrum, NIR sampling is done 32 times by the analyzer, in order to reduce noise. Spectrums in Figure 2 are averaged.

Effects on automatic identification

When running automatic identification for the test fabrics in Vision software, all spectrums are correctly identified without an error, except the experimental cotton sample that is directly soaked in running water. No other spectrums are ambiguous, non-identified nor mistaken as wrong material (Salin 2018, 72.)

The identification algorithm in use is Correlation in Wavelength Space, with threshold value of 0.73. The threshold value is forked by trial-and-error and determined by result of zero failures as the most optimal for this identification library. Calculation of 2nd derivate and Standard Normal Variate (SNV) are used as spectral pre-treatments, as they perform adequately in verification. (Salin 2018, 41-43.)


Textile recycling can have a large environmental effect. It has been estimated, that for example in Scandinavia textiles create the largest environmental impact after food, housing, and mobility (Schmidt et al. 2016, 7). By automatic sorting, recycling can be improved as more textiles can be sent for appropriate processing by their known chemical composition. This enables the use of both mechanical and chemical fiber recycling processes that are unique to each fiber material of sorted textiles. Water content in textiles could however pose a problem for automatic identification with NIR analysis, which is used to make the sorting decisions (Smith 2011, 16). The experimental results of this study answer to some questions about the practical moisture sensitivity in automatic textile identification by NIR analysis. Furthermore, to make the results practical, the same NIR analyzer unit was used in this study that is being used in the REISKAtex® sorting unit of LUAS, which is a model that can be used on industrial scale.

When the identification library was trained with samples stored at 19 °C and 19 % RH conditions, it was still possible to correctly identify textiles that were dry, as well as textiles that had been kept at 85 % RH of 20 °C (Salin 2018, 72). This wide range of acceptable changes in water content was the major finding of this study. Wool fabric was the most hydrophilic fabric, measured by water absorption, and it also had the greatest changes in spectrum, therefore being the most moisture sensitive textile material for NIR identification. Cotton fabric was also hydrophilic, but it was a less sensitive material because of smaller changes in both spectrum and weight. Polyester fabric did not gain water absorption in measurable amounts and had no noticeable changes in spectrum, being hydrophobic and the least moisture sensitive material for NIR identification.

Considering the experiments discussed in this article, it would appear that humidity does not pose an obstacle for automatic identification of single fiber cotton, wool, and polyester textiles. Every test fabric piece was identified correctly in all intended conditions of the experiment. It should be noticed, though, that the experiments did not go beyond 85 % relative humidity of 20 °C.


Collier, B. & Epps, H. 1999. Textile Testing and Analysis. New Jersey: Prentice-Hall, Inc.

Dahlbo, H., Aalto, K., Salmenperä, H., Eskelinen, H., Pennanen, J., Sippola, K. & Huopalainen, M. 2015. Tekstiilien uudelleenkäytön ja tekstiilijätteen kierrätyksen tehostaminen Suomessa. [Online document]. Helsinki: Ympäristöministeriö. [Cited 16 May 2018]. Available at: https://helda.helsinki.fi/bitstream/handle/10138/155612/SY_4_2015.pdf

Davies, A. 2017. An introduction to near infrared (NIR) spectroscopy. [Cited 16 May 2018]. Available at: http://www.impublications.com/content/introduction-near-infrared-nir-spectroscopy

Fontell, P. & Heikkilä, P. 2017. Model for circular business ecosystem for textiles. [Online document]. Espoo: VTT.  VTT Technology 313. [Cited 16 May 2018]. Available at: http://www.vtt.fi/inf/pdf/technology/2017/T313.pdf

Metrohm AG. 2017. NIRS Analyzer PRO – DirectLight/NonContact. [Cited 16 May 2018]. Available at: https://www.metrohm.com/en-gb/products-overview/process%20analyzers/applikon%20nirs%20pro/A629281130

Salin, J. 2018. Automatic Identification of Textiles with NIR-spectroscopy. Master’s thesis. Lahti University of Applied Sciences, Faculty of Technology. Lahti.

Schmidt, A., Watson, D., Askham, C. & Brunn Poulsen, P. 2016. Gaining benefits from discarded textiles. LCA of different treatment pathways. [Online document]. Denmark: Nordic Council of Ministers. TemaNord 2016:537. [Cited 16 May 2018]. Available at: https://norden.diva-portal.org/smash/get/diva2:957517/FULLTEXT02.pdf

SFS 4876. 1987. Tekstiilit. Kuitusisällön ilmoittaminen. Helsinki: Finnish Standards Association SFS.

SFS-EN ISO 139/A. 2005. Textiles. Standard atmospheres for conditioning and testing. Helsinki: Finnish Standards Association SFS.

Smith, B. 2011. Fundamentals of Fourier Transform Infrared Spectroscopy. Boca Raton: CRC Press.

Telaketju. 2018. Telaketju ­– Mikä se on? [Cited 16 May 2018]. Available at: https://telaketju.turkuamk.fi/mita_telaketju_tekee/


Jussi Salin is a Master’s Degree student at Lahti UAS in the  Programme in Smart Industries and New Business Concepts.

Lea Heikinheimo, D.Sc. (Tech), is a principal lecturer at Lahti UAS, Faculty of Technology, in the Degree Programme in Process and Materials Technology and in the Master’s Degree Programme in Smart Industries and New Business Concepts.

Published 24.5.2018

Illustration: Oona Rouhiainen

Reference to this publication

Salin, S. & Heikinheimo, L. 2018. Effects of moisture on automatic textile fiber identification by NIR spectroscopy. LAMK RDI Journal. [Electronic journal]. [Cited and date of citation]. Available at: http://www.lamkpub.fi/2018/05/24/effects-of-moisture-on-automatic-textile-fiber-identification-by-nir-spectroscopy/

Työ on ihmisten välistä vuorovaikutusta

LAMKin muutto NiemiCampukselle tapahtuu pian, enää muutamia kuukausia ja kätemme koskettaa uutta ovenkahvaa tai todennäköisemmin automaattisesti avautuvaa ovea. Mitä sitten tapahtuu? Työn tekemisen tavat muuttuvat enemmän tai vähemmän. Miten asenteemme työn tekemiseen pysyy muutoksessa mukana ja voimmeko vaikuttaa omien työn tekemisen tapojen muutokseen?

Kirjoittaja: Teija Golnick

Uudet työn tekemisen muodot

Opettelemme innolla tai inholla käyttämään itsepalvelukassoja. Voisiko tämä into tai inho toimia vertailukohtana suhtautumisessamme omaan työhömme ja sen muutokseen? Ensimmäisen kerran itsepalvelukassalla asioidessa on todennäköisesti turvallisinta pyytää kaupan työntekijältä neuvoja. Siitäkin huolimatta, että monesti olemme nähneet, miten kassalla työskentelevä työntekijä heilauttaa viivakoodin ostoksista kassapäätteeseen. Itse tehtynä, ensimmäistä kertaa, se ei ole ihan vaivatonta. Entä se moraalinen puoli? Olemmeko toisen henkilön tontilla, tuleeko hänestä tämän toiminnon vuoksi työtön? Vai voisiko olla niin, että hänen työnsä monipuolistuu? Tuleeko jotain mielenkiintoisempaa rinnalle?

Valtioneuvoston viime keväänä 2017 teettämän raportin mukaan työn murroksessa ei ole kyse siirtymisestä yhdestä tavasta tehdä töitä johonkin toiseen, vaan nykyisestä moneen erilaiseen tapaan (Dufva ym. 2017). Tämä edellyttää uutta sanastoa ja entisten asenteiden ja näkemysten haastamista. Osaamisen jatkuva päivittäminen on avainasemassa erityisesti hyvinvoinnin turvaamiseksi, kun työtavat ja työn luonne muuttuvat. Sopivat ratkaisut löytyvät kokeiluiden ja yrityksen ja erehdyksen kautta.

Mitä on uusi työ ja toisaalta vanha työ?

Kuva kertoo enemmän kuin tuhat sanaa, lähdetään siis kuvasta liikkeelle. Tuttua on, että organisaatioissa, myös LAMKissa, on ohjeita, organisaatiorakenteita, tutuksi tulleita toimintatapoja, esimiehiä ja heidän alaisiaan, työntekijöitä siis ihmisiä. Organisaatiossa käydään valmennuskeskusteluja sekä tehdään erilaisia kyselyjä, joiden avulla kartoitetaan nykytilannetta. Tulosten mukaan ja niiden perusteella johdetaan kehittämistoimenpiteitä. Tätä kaikkea olemme LAMK osakeyhtiössä rakentaneet ja tehneet toki jo aiemminkin.

Uuden työn äärellä, kuvassa ”Nyt”, kaikki edellinen tulisi suunnata työn merkityksellisyyden, vapauden, vastuun ja työhyvinvoinnin merkityksen kasvuksi. Meidän tulisi korostaa kohtaamisia, yhteistyötä ja verkostojen merkitystä. Lisäksi tulisi vahvistaa oppimisintensiivisyyttä, innovaatioita ja ketteryyttä. Eikä siinäkään vielä kaikki, elinehtona on monimuotoisuus ja organisaatiota ruokkiva kasvuasenne.

Kuva 1. Työ ennen ja nyt (kuva: Talent Vectia 2017, 4)

Jokapäiväisessä arjessa työn muutos näkyy siinä, missä teemme töitä ja miten. Kyseessä on muutos kohti selkeästi aikaan, paikkaan ja työnantajaan sidotusta työstä kohti monimuotoista, itseorganisoituvaa ja monitilaista työtä. Tällainen tulevaisuuden työ edellyttää yksilöltä ja työyhteisöltä aivan erilaista osaamista ja johtamista. Muutos voidaan eritellä kolmeen toisiinsa kytkeytyneeseen osaan: organisaatiomuotojen, työtilojen ja työn käytäntöjen muutokseen. (Dufva ym. 2017, 17.)

Mitä tarkoittavat työn tekemisen muodot?

Kun työ nähdään ihmisten välisenä vuorovaikutuksena, eikä ihmisistä irrallaan olevana tuotantona, myös osaaminen ja organisaatio näyttäytyvät erilaisina. Työntekijän osaamisella itsessään ei ole arvoa, vaan arvo syntyy vuorovaikutuksessa: mitä osaamista voi kulloinkin tuoda muiden hyödyksi? Ihminen ei ole osaamiskertymä, vaan osaava toimija. Organisaatioiden suhteen näkemysmuutos on ehkä dramaattisempi: organisaatiot asetetaan taka-alalle ja merkityksellinen toiminta nostetaan keskipisteeksi. Organisaatioista tulee kunkin tarpeen sanelemia väliaikaisia rakenteita.  (Dufva ym. 2017,11.)

Osaamistarpeet liittyvät hyvinvointiin

Tulevaisuudessa on entistä tärkeämpää poisoppia ja uudelleenoppia. Jatkuva oppiminen siis korostuu entisestään. Tarvitaan työn ohella ja työssä oppimista ja aiempaa enemmän uudelleen kouluttautumista. Lavea osaamispohja on tärkeämpää kuin mikään tietty substanssiosaaminen. Lavean pohjan päälle voi rakentaa tarkempia osaamisia, jos koulutusta on avoimesti ja helposti saatavilla, esimerkiksi mikrotutkintojen ja verkkokurssien kautta. Yksittäisiä taitoja tärkeämpää on kuitenkin oppia hallitsemaan omaa aikaa, osaamisen kehitystä, suhteita ja oikeastaan koko elämää.  Lyhyellä tähtäimellä tarvitaan pärjäämistaitoja muuttuvaan työelämään, pidemmällä tähtäimellä vuorovaikutustaitoja verkostoituneessa maailmassa luovimiseen. Täytyy myös oppia uudenlaisia näkemyksiä siitä mitä työn tekeminen on ja millaista on olla hyvä työntekijä. Jos ihannoidaan pitkää päivää vääntävää työntekijää – työntekijää, joka yrittää matkia robottia – ollaan kaukana kestävästä työstä. Lisäksi osaaminen kannattaa nähdä myös yhteisön ominaisuutena, ei vain yksilön kyvykkyytenä. (Dufva ym. 2017, 48-49.)

 Vuorovaikutusta työyhteisössä

Miten sinä koet itsepalvelukassan? Vai asioitko ruokakaupassa lainkaan? Myös itsepalvelukassalla joutuu vastatusten omien asenteiden ja pois- ja uudenoppimisen kanssa. Itsepalvelukassalla on itsensä herra: itse nostat ostokset ja vastaat siitä, että jokainen tuote on sujahtanut kassan kautta ostoskassiin. No, onhan siinä kaupan työntekijä ohjaamassa ja katsomassa, että homma sujuu. Hän hymyilee ystävällisesti, kun ostotapahtuma onnistui ja voit lähteä kotiin kantaen omatoimisesti maksamasi ostokset. Kohtasit ihmisen ja hän toivotti sinulle mukavaa päivänjatkoa. Vastasit tervehdykseen jaksamisesi ja tunnetilasi tai tottumuksesi mukaan. Vuorovaikutus työssä ja asiakaspalvelussa syntyi. Siitähän työssä ja työpaikoilla ihmisien kohtaamisessa on kysymys. Mitä sinä ajattelet työstä ja vuorovaikutuksesta seistessäsi uuden kampuksen ovella? Ainakin mielessä on hyvä pitää seuraava, valmentaja Essi Juvakan (2018) muotoilema slogan:

Asenne ratkaisee. Arvostus ratkaisee. Arvostelu katkaisee.


Dufva, M.,Halonen, M., Kari, M.,Koivisto, T., Koivisto, R. & Myllyoja, J. 2017. Kohti jaettua ymmärrystä työn tulevaisuudesta. [Verkkodokumentti]. Helsinki: Valtioneuvoston kanslia. Valtioneuvoston selvitys-ja tutkimustoiminnan julkaisusarja 33/2017. [Viitattu 12.4.2018]. Saatavissa: http://tietokayttoon.fi/documents/10616/3866814/33_kohti-jaettua-ymmarrysta-tyon-tulevaisuudesta.pdf/61a65884-3d8e-46ae-adce-dba625067df5?version=1.0

Juvakka, E. 2018. [Viitattu 14.5.2018]. Saatavissa: https://www.essive.fi/

Talent Vectia. 2017.  Uuden ajan johtaminen. Merkityksellisyys, uusiutumiskyky ja verkostoissa vaikuttaminen. Tutkimusraportti. [Verkkodokumentti]. [Viitattu 6.5.2018]. Saatavissa: http://renewal.talentvectia.com/hubfs/insight/TalentVectia_Uudenajanjohtaminen_raportti2017.pdf


Teija Golnick on LAMKin HR- ja talousjohtaja.

Julkaistu 14.5.2018


Golnick, T. 2018. Työ on ihmisten välistä vuorovaikutusta. LAMK Pro. [Verkkolehti]. [Viitattu pvm.). Saatavissa: http://www.lamkpub.fi/2018/05/14/tyo-on-ihmisten-valista-vuorovaikutusta/

Itsetuotetun sähköenergian myynti naapurille

Lahden ammattikorkeakoulun NETS –hankkeen tavoitteena on edistää energia- ja materiaalisäästöä ja uusiutuvien energialähteiden käyttöä. Osana hanketta selvitettiin, miten tällä hetkellä olisi mahdollista mikrotuottaa sähköenergiaa yli oman tarpeen ja myydä ylimääräenergia ilman välikäsiä suoraan naapurille.

Kirjoittaja: Petteri Valtonen

Nykytilanne energian myymisen suhteen

Mikrotuottajan liikatuotetulle energialle on nykyisin vaihtoehtona vain myydä se energiayhtiölle. Finn-Solar -hankkeessa oli esimerkkinä Nurmijärvellä oleva omakotitalo. Tähän suoralla sähkölämmityksellä olevaan taloon remontoitiin samaan aikaan mikrotuotanto ja ilmalämpöpumppu. Vuosikulutuksen ollessa noin 30,000 kWh, mikrotuotanto mitoitettiin 4,6 kWp. Mikrotuotannolla saatiin vuosikulutuksesta leikattua 16% pois, vaikka ilmalämpöpumppu toimi kesällä myös viilentimenä. Itsetuotettua sähköä saatiin 3655 kWh, kun kiinteistön mikrotuotannon laskennallinen tuotto oli 3730 kWh. Tuotetusta sähköstä meni omaan käyttöön 74%, eli 2705 kWh. Loput kokonaistuotannosta eli 950 kWh (26%) myytiin energialaitokselle ja siitä kertyi vuodessa 20 € myyntitappiota.

Myyntitappion selittää se, että esimerkkitalossa tariffimaksu oli 4€/kk korkeampi ja sähköstä saatava hinta alle 20% sen normaalista ostohinnasta. Tällä hetkellä verkkoyhtiöt toimivatkin mikrotuottajan ylimääräiselle energialle maksullisena vastaanottajana. Jos verkkoyhtiölle tappiolla myyty energiamäärä (950 kWh) olisi voitu myydä vaikka naapurille markkinahintaan (0,12 €/kWh), olisi mikrotuottaja saanut 134€/vuosi enemmän tuottoa. (Lahti Energia 2017)

Miten sähkön mikrotuottaja voi myydä ja siirtää ylijäämäenergiaansa?

Kun energian omakäyttö on mikrotuottajalle ainoa taloudellisesti järkevä vaihtoehto, niin mitä rajoituksia ja esteitä on viranomaisilta laitettu tälle toiminnalle? Onko mahdollista ostaa ja myydä vaikkapa tonttinaapurin kanssa mikrotuotettua sähköä?

LE-Sähköverkot OYn Aarno Stenhammarin mukaan sähköllä pitää olla yksiselitteisesti ostaja ja myyjä. Se että mikrotuottajan kiinteistö on kiinni energialaitoksen verkossa ja samaan aikaan omalla verkollaan naapurikiinteistössä aiheuttaa sen, että mikrotuotettu sähkö voi tahattomasti siirtyä energialaitoksen verkkoon. (Stenhammar 2018)

FinSolar -hanke selvitti tontinrajan yli myyntiä. Jos tuotanto on alle 100kVA ja maksimi vuorotuotanto 800MWh, ei verottaja ota kantaa kuka sähkön lopulta käyttää. Eli koko tuotanto on siis tuloverosta vapaata. Siirtoa säätelee lisäksi myös sähkömarkkinalaki: sähkömarkkinalain luvussa 3/13§ on mainittu, että omasiirtoverkko on mahdollista rakentaa, jos siihen saa luvan alueelliselta verkkoyhtiöltä. Toinen vaihtoehto on kiinteistön tai vastaavan kiinteistöryhmän sisäinen verkko. Vuokrasopimus, jolla mikrotuottavalle kiinteistölle ostava kiinteistö maksaa vuokraa tuotantolaitoksista, ei riitä hallinto-oikeuden siirtymiseen. (Fin Solar 2016; Sähkömarkkinalaki 2013)

Tällä hetkellä lakisyistä ei verkkoyhtiön alueella toimiva kahdenkeskinen sähkökauppa ole mahdollista, jollei kiinteistöt ole saman omistajan omistuksessa. Jos laki muuttuisi ja myynti mahdollistuisi, olisi edessä vielä energialaitoksien suuntaan tulevat seikat.  Energian siirtyminen muualle kuin puhtaasti mikrotuottajalta naapuritontin ostajalle pitää estää. Kun mikrotuottajan kiinteistön oma sähköntuotanto ylittää oman kulutuksen, verkonvaihtokytkin erottaa mikrotuottajan energialaitoksen verkosta ja kytkee samalla sen sähköenergiaa ostavan naapurin verkkoon, jolloin ylimääräinen energia ohjataan naapurille. Kun energian myyjän oma tuotanto lähestyy omaa kulutusta, erotutaan naapurin verkosta ja kytkeydytään takaisin verkkoyhtiön verkkoon. Haasteena tässä on, että on käytettävä mekaanisia kontaktoreita. Näissä on viivettä pienemmilläänkin 0,5 sekuntia, joka taas aiheuttaa mikrotuottajalle lyhyitä sähkökatkoksia. Kun nämä lyhyet sähkökatkokset riittävät teollisuudessa jo sekoittamaan osan automaattisista laitteista, pitää katkoksia varten asentaa mahdollisesti akulliset UPS-laitteet. (Salmela 2018)

Kustannukset oman verkon rakentamisesta

Verkon rakentamiskustannukset riippuvat verkon laajuudesta ja siirtokapasiteetista. Jos lasketaan noin 80m päässä olevien kiinteistöjen väliin 230/400V kolmivaiheista 200A siirtoreittiä, on siirtokaapelilla noin 3000 € ja verkonvaihtoautomatiikalla noin 7000 € kustannus. Jos tarvitaan lisäksi UPS-laite (5min 46A) on sen kustannus noin 14 500 €. Hinnat sisältävät 24% ALVin ja sisältävät töiden osalta vain maakaapelin maahanlaskun kustannukset. (Fin Parttia 2018; SFS 6001 2013, 246-248; Lukkarinen 2018; Riihelä 2018; Gigantti yritysmyynti 2018)


Vaikka laki muuttuisi niin että myynti olisi mahdollista suoraan naapurille, ei toiminta korkeista kustannuksista johtuen tule olemaan kannattavaa taloudellisesti. Ympäristönäkökannastakaan katsottuna tästä naapurille myymisestä ei ole suurempaa hyötyä, koska se energia mikä menee nyt ilmaisiksi verkkoyhtiölle, tulee käytetyksi sitä kautta kokonaisuudessaan. Jatkossakin Suomen kaikki mikrotuottajat on siis pakotettu lahjoittamaan liikatuottamansa energia ilmaiseksi energialaitoksille. Kun kiinteistössä on vaihtelevat energian kulutukset, pitää jatkossakin mikrotuotantolaitokset mitoittaa reilusti alle kiinteistön maksimi kuormituksen.


Elenia OYJ. 2017. Verkkopalveluhinnasto sulakepohjaiset sähkönsiirtotuotteet 1.5.2017. [Verkkodokumentti]. [Viitattu 30.3.2018]. Saatavissa: http://www.elenia.fi/sites/www.elenia.fi/files/Verkkopalveluhinnasto_sulakepohjaiset_1.5.2017_p%C3%A4ivitetty_keskeytys_ja_j%C3%A4lleenkytkent%C3%A4_1.10.2017_web.pdf

Finn Parttia OYJ. 2018. Sähkötarvikeverkkokauppa. [Viitattu 27.3.2018]. Saatavissa: www.finnparttia.fi/epages/finnparttia.sf/fi_FI/?ObjectPath=/Shops/2014102905/Categories/Kaapelit/Maakaapelit

FinSolar. 2016. Sähkön pientuotanto kiinteistöryhmän sisällä. [Viitattu 18.3.2018]. Saatavissa: http://www.finsolar.net/sahkon-pientuotanto-kiinteistoryhman-sisalla/

Gigantti yritysmyynti. 2018. APC UPS tuotetiedot. [Viitattu 24.3.2018]. Saatavuus: http://giganttiyritysmyynti.fi/m4n?ecom-query=SUVTP40KH4B4S&seid=etailer-products&viewMode=3

Lahti Energia OYJ. 2017. Vuosi pientuottajan elämää. Ostosähkön määrä väheni lähes 20%. [Viitattu 29.2.2018]. Saatavissa: https://www.lahienergia.org/vuosi-pientuottajan-elamaa-ostosahkon-maara-vaheni-lahes-20/

Lukkarinen, M. 2018. Toimitusjohtaja. Sähkölukkarinen OYJ. Haastattelu 15.4.2018.

Riihelä, S. 2017. Tekninen myyjä. Hollolan Sähköautomatiikka OY. Haastattelu 6.4.2018.

Salmela, P. 2017. Asiantuntija. Hollolan Sähköautomatiikka OY. Haastattelu 29.3.2018.

SFS 6000. 2012. Pienjännitesähköasennukset. 1. painos. Helsinki: Sanoma Pro.

Stenhammar, A. 2017. Verkkoasiantuntija. Lahti Energia OY. Haastattelu 18.10.2017.

Sähkömarkkinalaki. 9.8.2013 / 588. Finlex. [Viitattu 24.3.2018]. Saatavissa: http://www.finlex.fi/fi/laki/alkup/2013/20130588

Vattenfall OYJ. 2017. Sähkön hinnan muodostuminen. [Viitattu 28.3.2018]. Saatavissa: https://www.vattenfall.fi/asiakaspalvelu/aihe/sahkosopimukset/sahkon-hinnan-muodostuminen/


Petteri Valtonen työskentelee lehtorina LAMKin tekniikan alalla.

Julkaistu 26.4.2018

Artikkelikuva: skeeze. https://pixabay.com/en/solar-panel-array-roof-home-house-1591358/ (CC0)


Valtonen, P. 2018. Itsetuotetun sähköenergian myynti naapurille. LAMK Pro. [Verkkolehti]. [Viitattu pvm]. Saatavissa: http://www.lamkpub.fi/2018/04/26/itsetuotetun-sahkoenergian-myynti-naapurille/

Kansallisen tulorekisterin vaikutukset palkanlaskentaan

Palkanlaskennasta on tehtävä ilmoituksia eri sidosryhmille. Tällä hetkellä ilmoituksia lähetetään yrityksen ulkoisille sidosryhmille kuukausittain ja vuosittain. Kansallinen tulorekisteri tulee muuttamaan huomattavasti ilmoittamista ja ilmoitusrytmiä. Jatkossa palkkatiedot ilmoitetaan vain yhteen paikkaan viiden päivän kuluessa maksun suorituksesta. Ensimmäinen vaihe kansallisesta tulorekisteristä astuu voimaan 1.1.2019.

Kirjoittajat: Roni Haarala ja Leea Kouhia

Digitaalinen palkanlaskenta

Digitaalisesti ja automatisoidusti hoidettu palkanlaskentaprosessi voi tuoda merkittäviä hyötyjä yritykselle. Palkanlaskenta sisältää lukuisia erilaisia vaiheita sekä raportointi- ja viranomaisvelvoitteita, jotka ovat manuaalisesti hoidettuna hitaita. Palkanlaskentaprosessin voi jakaa neljään alueeseen, joita ovat palkka- ja työaika-aineistojen kerääminen, tietojen tulkinta, palkanlaskenta ja palkkakirjanpito sekä raportointi.  (Lahti & Salminen 2014, 135-138.)

Tulevaisuudessa palkanlaskentaprosesseja saattaa hoitaa tekoäly. Tekoäly on keksitty jo vuonna 1956 Dartmouthin yliopiston konferenssissa, mutta vasta viime aikoina tekoäly on osoittanut konkreettisesti, kuinka sitä voi hyödyntää lähes kaikkialla. Tekoälyllä tarkoitetaan, että tietokoneet suorittavat itsenäisesti niille annettuja tehtäviä. Ihmiseen verrattuna tekoäly on nopeampi. Se ei lakkoile, eikä vaadi palkkaa, lomia tai lomarahoja. Tekoälyä käytetään jo nyt asiantuntijatyössä lakitoimistoissa ja pankeissa. (Hiltunen 2017.) On ennakoitu, että tekoälystä tulee jopa digitalisaatiota suurempi mullistaja. Joitakin ammatteja saattaa kadota, mutta myös uusia ammatteja syntyy. (Valtioneuvosto 2016.)

Palkanlaskennasta tehtävät ilmoitukset ja kansallinen tulorekisteri

Tällä hetkellä palkanlaskennasta on tehtävä ilmoituksia eri sidosryhmille. Ilmoitusrytmi vaihtelee kuukaudesta vuoteen. Verohallinnolle palkkailmoituksia lähetetään kuukausittain ja vuosittain. Muille yleisimmille sidosryhmille palkkailmoitukset lähetetään pääsääntöisesti kerran vuodessa. Muut yleisimmät sidosryhmät ovat eläkevakuutusyhtiöt, tapaturmavakuutusyhtiöt ja Työttömyysvakuutusrahasto. (Kouhia-Kuusisto ym. 2017, 201-205.)

Hallitus antoi 5.10.2017 eduskunnalle esityksen laista tulotietojärjestelmästä (HE 134/2017) ja se tuli voimaan 16.1.2018 (Laki  tulotietojärjestelmästä 53/2018, 25 §). Tulotietojärjestelmä muodostuu lakisääteisen ilmoittamis- ja tiedonantovelvollisuuden sekä tiedonsaantioikeuden nojalla annettavia tietoja sisältävästä tulorekisteristä ja tietojen oikeellisuutta palvelevasta yksilöinti- ja yhteystietoja sisältävästä rekisteristä. Lain 4 §:n mukaan rekisterinpitäjänä toimii Verohallinnon Tulorekisteriyksikkö.

Kansallinen tulorekisteri (KATRE) tulee muuttamaan ilmoittamista ja ilmoitustymiä huomattavasti. Ensimmäinen vaihe KATREsta astuu voimaan 1.1.2019. Siitä lähtien yritysten on ilmoitettava maksetut palkat tulorekisteriin sähköisesti viiden päivän kuluessa suorituksen maksusta. Palkkatietoja tarvitsevat sidosryhmät, mm. vakuutusyhtiöt, Kansaneläkelaitos, Tilastokeskus ja ulosottoviranomaiset, saavat oikeuden noutaa tarvitsemiaan tietoja tulorekisteristä. (Björklund 2017.)

Kansallisen tulorekisterin vaikutukset palkanlaskentaprosessiin

Opinnäytetyön tutkimusosuudessa suoritettujen teemahaastatteluiden vastauksien perusteella saatiin selville, että itse palkanlaskenta ei muutu. Suurin muutos tulee tapahtumaan palkanlaskennan raportoinnissa. Raportoinnin muutos on merkittävä. Tällä hetkellä palkanlaskijoiden kiireisin aika on tammikuussa, koska silloin lähetetään edellisen vuoden palkkojen vuosi-ilmoitukset eri sidosryhmille. Jatkossa tammikuussa ei tarvitse enää lähettää palkkojen vuosi-ilmoituksia. Kansalliseen tulorekisteriin ilmoitetaan jatkossa toteutuneet palkkatiedot viiden päivän kuluessa maksun suorituksesta. (Haarala 2018.)

Tutkimuksen perusteella kansallinen tulorekisteri tulee tasaamaan palkanlaskijoiden työmäärän koko kalenterivuodelle sekä yksinkertaistamaan ilmoitusvelvollisuutta, koska tiedot lähetetään jatkossa vain yhteen paikkaan. Jatkossa tärkeää on, että palkanlaskentajärjestelmät kehitetään niin pitkälle, että palkanlaskentaprosessin voi tehdä alusta loppuun käyttäen hyödyksi automaatiota. (Haarala 2018.)


Björklund, M. 2017. Tulorekisterin tahdissa tulevaisuuteen. Tilisanomat. [Verkkolehti]. [Viitattu 6.4.2018].  Saatavissa: https://tilisanomat.fi/henkilostohallinto/tulorekisterin-tahdissa-tulevaisuuteen

Haarala, R. 2018. Kansallisen tulorekisterin vaikutukset tilitoimistotyöhön. [Verkkodokumentti]. Lahti: Lahden ammattikorkeakoulu, Liiketalouden ja matkailun ala. [Viitattu 26.3.2018]. Saatavissa: http://www.theseus.fi/handle/10024/142982

Hallituksen esitys eduskunnalle laiksi tulotietojärjestelmästä ja eräiksi siihen liittyviksi laeiksi 5.10.2017/134. Finlex. [Viitattu 26.4.2018]. Saatavissa: https://www.finlex.fi/fi/esitykset/he/2017/20170134#idp450480784

Hiltunen, E. 2017. Viekö tekoäly työpaikkamme? Tilisanomat. [Verkkolehti]. [Viitattu 6.4.2018]. Saatavissa: https://tilisanomat.fi/teknologia/vieko-tekoaly-tyopaikkamme

Kouhia-Kuusisto, K., Mikkonen, L., Syvänperä, O., & Turunen, L. 2017. Palkkavuosi. Keuruu: Edita Publishing Oy.

Lahti, S. & Salminen, T. 2014. Digitaalinen taloushallinto. Helsinki: Sanoma Pro Oy.

Laki tulotietojärjestelmästä 12.1.2018/53. Finlex. [Viitattu 26.4.2018]. Saatavissa: https://www.finlex.fi/fi/laki/ajantasa/2018/20180053

Valtioneuvosto. 2017. Tekoälyn uskotaan mullistavan yhteiskuntaa. Saatavissa: http://valtioneuvosto.fi/artikkeli/-/asset_publisher/10616/tekoalyn-uskotaan-mullistavan-yhteiskuntaa


Roni Haarala on opiskellut Lahden ammattikorkeakoulussa liiketalouden koulutusohjelmassa ja valmistuu tradenomiksi 2018.

Leea Kouhia toimii Lahden ammattikorkeakoulussa, Liiketalouden alalla vastuuopettajana.

Julkaistu 26.4.2018

Artikkelikuva: stevebp.  https://pixabay.com/en/coins-currency-investment-insurance-1523383/ (CC0)


Haarala, R. & Kouhia, L. 2018. Kansallisen tulorekisterin vaikutukset palkanlaskentaan. LAMK Pro. [Verkkolehti]. [Viitattu pvm]. Saatavissa: http://www.lamkpub.fi/2018/04/26/kansallisen-tulorekisterin-vaikutukset-palkanlaskentaan/

Mitä vielä haluaisit tietää minusta?

Työhönottoa eli rekrytointia säätelee henkilötietolaki ja työelämäntietosuojalaki, joita on sovellettu jo parikymmentä vuotta. Uusi tietosuoja-asetus astuu voimaan 25.5.2018 ja sen mukaan henkilötietojen käsittely myös rekrytoinnissa tulee tarkastella GDPR:n näkökulmasta. Johdon vastuulla on valvoa, että tietosuojaa koskevat prosessit ovat kunnossa. Samalla tulee muodostaa kuva siitä, miten toiminnassa käsitellään henkilötietoja. Henkilötietoja käsittelevän työntekijän puolestaan tulee osata henkilötietojen käsittely ja sen toimintaympäristö. Tämä artikkeli kuvaa erityisesti rekrytointiin liittyvää henkilötietojen keräämistä, nykytilaa ja uuden tietosuoja-asetuksen vaikutuksia rekrytoinnissa.

Kirjoittaja: Teija Golnick

Henkilötietojen keräämisen taustoista ja nykytilanteesta

Työnantajatoimintaan kuuluu tarve kerätä työnhakijoiden henkilötietoja. Työnhakijasta ei kuitenkaan voi kerätä ”kaikkea mahdollista ja varmuuden vuoksi”, koska jokaisen yksityiselämä on suojattu perustuslaissa. Työnhaun yhteydessä kerättävien henkilötietojen käsittelyssä onkin kyse työnhakijan oikeuksien ja työnantajan tarpeiden kohtaamisesta ja yhteensovittamisesta. Työnhakijalla on tarve saada hakemansa työpaikka. Hänellä on myös tarve suojata yksityisyyttään ja siihen voi liittyä esimerkiksi tarve kertoa työnantajalle vain itselleen edullisia tietoja. Työnantajalla puolestaan on tarkoituksenmukaisinta saada paras, osaavin ja luotettavin henkilö avoinna olevaan työtehtävään. Näistä syntyvä työnantajan ja työnhakijan tarpeiden välinen ristiriita aiheuttaa tulkintaongelmia työelämää koskevien lakien soveltamisessa. Yksityisyyttä turvaavan lainsäädännön rikkominen voi johtua rekrytoijan osaamattomuudesta tai pahimmillaan piittaamattomuudesta. Toisaalta työnhakija saattaa kertoa itsestään asioita, joita hänen ei lain mukaan olisi edes tarpeellista kertoa.

Työoikeuden professori Seppo Koskinen tunnistaa työhönottoon sisältyviä haasteita. Hänen mukaansa voi olla yllättävää, kuinka paljon laeista aiheutuu sääntöjä ja rajoituksia tietojen käsittelylle. Työnhakijalla on monia oikeuksia, joita lainsäädännöllä turvataan, mutta käytännössä näitä oikeuksia ei välttämättä kuitenkaan kaikilta osin oteta huomioon. (Koskinen 2004, 37)

Henkilötietolaki (523/1999) on yleislaki, jonka tarkoituksena on toteuttaa yksityiselämän suojaa ja muita yksityisyyden suojaa turvaavia perusoikeuksia henkilötietoja käsiteltäessä sekä edistää hyvän tietojenkäsittelytavan kehittämistä ja noudattamista. Lain yksityisyyden suojasta työelämässä (759/2004, työelämän tietosuojalaki) tarkoituksena on toteuttaa yksityiselämän suojaa ja muita yksityisyyden suojaa turvaavia perusoikeuksia työelämässä.

Henkilötietolailla turvataan se, ettei yksityiselämän suojaa koskevia perusoikeuksia rajoiteta henkilötietojen käsittelyssä ilman laissa säädettyä perustetta. Henkilötietojen käsittelyssä ilmenee useita perusoikeuksia, joita ovat itsemääräämisoikeudet, henkilökohtainen vapaus sekä oikeus kunniaan.  Jokaisella on oikeus tulla arvostetuksi oikeiden ja oleellisten tietojen perusteella. Tiedonsaantioikeuksien ja vaikutusmahdollisuuksien ulkopuolella tapahtuva tietojen käsittely saattaa vaarantaa yksilön turvallisuutta. (Voutilainen 2012,  254)

Mikä on GDPR ja mitä sillä tavoitellaan

Suomen ja Euroopan unionin tietosuojalait uudistuvat. EU:n yleistä tietosuoja-asetusta sovelletaan 25.5.2018 alkaen kaikissa EU:n jäsenmaissa. Tietosuoja-asetusta (General Data Protection Regulation, GDPR) sovelletaan lähtökohtaisesti kaikkeen henkilötietojen käsittelyyn. Tietosuoja-asetusta täydennetään ja täsmennetään kansallisella lainsäädännöllä. Hallitus on antanut eduskunnalle ehdotuksen uudeksi kansalliseksi tietosuojalaiksi. Tietosuojalaki tulisi esityksen mukaan voimaan 25.5.2018, kun myös EU:n yleistä tietosuoja-asetusta ryhdytään soveltamaan. (Tietosuojavaltuutetun toimisto 2018)

Monet henkilötietojen käsittelyn periaatteet säilyvät ennallaan. Tietosuoja-asetus tuo kuitenkin uusia tietosuojaa ja henkilötietojen käsittelyä koskevia velvoitteita, joihin rekisterinpitäjien ja henkilötietojen käsittelijöiden on valmistauduttava. Uuden lainsäädännön tavoitteena on parantaa henkilötietojen suojaa ja rekisteröityjen oikeuksia, vastata uusiin digitalisaatioon ja globalisaatioon liittyviin tietosuojakysymyksiin sekä yhtenäistää tietosuojasääntelyä kaikissa EU-maissa. Lisäksi sen tavoitteena on edistää digitaalisten sisämarkkinoiden kehittymistä. (Tietosuojavaltuutetun toimisto 2018)

Miten GDPR vaikuttaa rekrytoinnissa?

Tietosuoja-asetus vahvistaa henkilötieto- ja työelämäntietosuojalakeja. Pohjatyö on tehty ja sen myötä on turvallista siirtyä tietosuoja-asetuksen noudattamiseen. Haasteeksi noussee se, mitä henkilötieto kokonaisuutena käsittelijälleen tarkoittaa, miten tietoja kerätään, säilytetään ja hävitetään sekä miten tämä kokonaisuus todennetaan henkilön sitä tiedustellessa. Tietosuoja-asetuksen rinnalle on tulossa myös uusi tietosuojalaki. Ehdotettu laki olisi henkilötietojen käsittelyyn sovellettava yleislaki. Yleistä tietosuoja-asetusta täydentävänä ja täsmentävänä se ei muodostaisi itsenäistä ja kattavaa sääntelykokonaisuutta, vaan sitä sovellettaisiin rinnakkain tietosuoja-asetuksen kanssa.

Jotta ihmiset voivat valvoa omia tietojaan ja varmistaa henkilötietojensa suojan, on läpinäkyvyys, tietojen helppo saatavuus, ymmärrettävyys sekä muotoilu perusedellytyksenä. Rekisterinpitäjän tulee ilmoittaa rekisteröidylle selkeästi, miten heidän tietojaan on kerätty ja käsitelty ja kenen toimesta, mitä tarkoitusta varten ja kuinka kauan sekä mitkä ovat heidän oikeutensa siinä tapauksessa, että he haluavat tutustua näihin tietoihin, oikaista niitä tai poistaa ne. (Tietosuojavaltuutetun toimisto 2018, Euroopan komissio 2010, 6)

Tietosuojavaltuutettu Reijo Aarnio on toiminut asiantuntijana tietosuojalain valmistelussa. Hän totesi, että työelämän tietosuojalaki oli tullessaan maailman ensimmäinen työelämän tietosuojalaki, joka toteutettiin työnantaja- ja työntekijäliittojen, oikeusministeriön ja työ- ja elinkeinoministeriön kolmikantana. Sen vuoksi tietosuoja on monella tapaa sekä työntekijän ja työnhakijan etuja toteuttava laki ja toimii hyvänä johtamisen välineenä. (Aarnio 2016)

Uusi tietosuoja-asetus vastaa osaltaan henkilötietojen keräämisen ja käsittelemisen haasteisiin työelämässä. Vielä on avoinna, miten uutta asetusta tullaan soveltamaan. Voimassa olevat lait ja työelämässä vastaan tulevat haasteet työnhakijan yksityisyyden ja työnantajan tietotarpeen välillä koostuvat useista pienistä ja yksittäisistä asioista. Jotta yksityisyyden suoja työelämässä voi toteutua, tulee rekrytoinnin olla ammattimaista ja hakijoiden yksityisyyttä arvostavaa työtä. Myös työnantajan etu toteutuu, kun työnhakijan ja työnantajan oikeudet ja velvollisuudet ovat alusta alkaen selkeät ja tiedossa kaikille osapuolille.


Aarnio, R. 2016. Tietosuojavaltuutettu. Tietosuojavaltuutetun toimisto. Haastattelu 5.4.2016.

Euroopan komissio. 2010. Komission tiedonanto Euroopan parlamentille, neuvostolle, Euroopan talous- ja sosiaalikomitealle ja alueiden komitealle. Kattava lähestymistapa henkilötietojen suojaan Euroopan unionissa. [Verkkodokumentti]. KOM(2010) 609 lopullinen. [Viitattu 28.3.2018]. Saatavissa: https://ec.europa.eu/health//sites/health/files/data_collection/docs/com_2010_0609_fi.pdf

Koskinen, S. 2004. Työhönotossa kerättävät tiedot ja työnhakijan yksityisyyden suoja. [Verkkodokumentti]. Edilex. Helsinki: Edita Publishing. [Viitattu 28.3.2018]. Saatavissa: https://www.edilex.fi/artikkelit/2275.pdf

Tietosuojavaltuutetun toimisto. 2018.  [Viitattu 8.4.2018]. Saatavissa: http://www.tietosuoja.fi/fi/index/euntietosuojauudistus.html

Voutilainen, T. 2012. Oikeus tietoon  –  Informaatio-oikeuden perusteet. Helsinki: Edita.


Teija Golnick työskentelee HR- ja talousjohtajana Lahden ammattikorkeakoulussa.

Julkaistu 9.4.2018


Golnick, T. 2018. Mitä vielä haluaisit tietää minusta? LAMK Pro. [Verkkolehti]. [Viitattu pvm]. Saatavissa: http://www.lamkpub.fi/2018/04/09/mita-viela-haluaisit-tietaa-minusta/