MétaCan
Menu
Retour à la cohorte
Enregistrement W2594006555 · doi:10.22441/incomtech.v5i1.1132

Desain Sistem SCADA Untuk Peningkatan Pelayanan Pelanggan Dan Efisiensi Operasional Sistem Tenaga Listrik di APJ Cirebon

2017· article· id· W2594006555 sur OpenAlexaff
Muhammad Soleh

Notice bibliographique

RevueInComTech Jurnal Telekomunikasi dan Komputer · 2017
Typearticle
Langueid
DomaineComputer Science
ThématiqueInformation Retrieval and Data Mining
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésOperating systemPhysicsHumanitiesComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

Pada sistem kelistrikan terdapat banyak macam-macam pelanggan dengan tingkat yang berbeda-beda, hal tersebut dapat menimbulkan kerumitan dalam pengoperasian dan pelayanan. Sistem tersebut dibangun dari keadaan yang sederhana, yang kemudian berkembang sesuai kebutuhan beban. Sampai pada saat ini sistem dirasakan sudah demikian besar dan sudah demikian komplek. Setiap aktifitas membutuhkan peningkatan pelayanan pelanggan dan efisiensi opersionalnya. Terdapat dua hal yang harus diperhatikan dalam pengelolaan tersebut. Pertama komumikasi data untuk pengolahan informasi, kedua teknologi komunikasi yang dapat mentransver data-data untuk operasi sistem. Dalam situasi seperti ini, pengelolaan secara konvensional jelastidak dapat mengcover kebutuhan sehingga dapat berakibat terhadap mutu pelayanan. Perkembangan teknologi dan informasi telah membawa era baru dalam semua aspek kehidupan. Dalam sistem ketenagalistrikan perkembangan informasi juga membawa pengaruh yang sangat besar. Pengelolaan sistem ketenagagalistrikan di negara-negara maju telah menggunakan sistem SCADA berbasis digital telah memberikan alternative pengeloaaan yang sangat efektif dan efesien. Pada Penelitian ini SCADA digunakan sebagai software untuk mengolah data pada Rekloser sistem SCADA dengan tujuan untuk Peningkatan Pelayanan Pelanggan dan Efisiensi Operasional Ketenagalistrikan di Wilayah Area pelayanan jaringan Cirebon.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,011

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 Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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'étudeSans objet
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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInComTech Jurnal Telekomunikasi dan KomputerMême sujetInformation Retrieval and Data MiningTravaux en français237 207