MétaCan
Menu
Retour à la cohorte
Enregistrement W2409004783 · doi:10.1109/icit.2016.7474923

Development of PC-based SCADA training system

2016· article· en· W2409004783 sur OpenAlexaff
Syed Umer Abdi, Kamran Iqbal, Jameel Ahmed

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSCADAMicrocontrollerInterface (matter)Embedded systemTroubleshootingAutomationData acquisitionComputer scienceSoftwareUser interfaceSerial portProcess (computing)Supervisory controlComputer hardwareEngineeringOperating systemControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper describes successful and cost effective design & implementation of PC-based SCADA training system for the natural gas transmission and distribution industry. The design provides robust and automated environment for centralized control of a geographically scattered process. Microcontroller based data acquisition (DAQ) control units for distributed data processing are designed and serially connected with COM port of the remote terminal units (RTUs) via RS485/232 convertor. The real-time information gathered in RTU from sensors is fed to the master terminal unit (MTU) through a dedicated communication link. Visual Basic (VB) is used to develop Human-Machine Interface (HMI) environment for technicians and operators. The in-house HMI development aimed at reliable, cost effective, user friendly and easy to troubleshoot and update software. PC-based SCADA training system and HMI were developed to meet the training needs of Sui Northern Gas Pipelines Ltd. (SNGPL). The design work supports future updates and provides opportunities of research in rapidly evolving field of industrial automation and control.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,193
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Learning in EngineeringTravaux en français237 207