A novel ubiquitous system to monitor medicinal cold chains in transportation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cold chain is a term related to the equipment and processes used to keep the correct temperature, in which the products, such as food, vaccines, blood, tissues, amongst others, should be stable to be preserved. Any change in temperature can cause a damage in the specific properties in products. Because of that, it is mandatory to constantly monitor temperature and log it to offer traceability. Furthermore, if products must be transported, the position coordinates should be taken into account as well, due to the possibility of making mistakes in logistics personnel, taking non-optimal routes to arrive to the destination, and increasing transportation time. Thus, logistics managers need tools to measure, save and analyze temperature and position in real time to make the most optimal decisions. The implementation of systems meeting Ubiquitous Computing can fulfill the challenge, because the generated information is available to be read, modified and stored everywhere and every time. Besides, messengers can be warned about anomalies regarding change of temperatures or coordinates, adding context awareness to the system. This work aims to show a novel architecture to monitor cold chains by using Ubiquitous Computing paradigm, by means of Single Board Computers. The system includes instrumentation, embedded processing with Single Board Computers, real time databases, Human Computer Interfaces, remote management and support to deploy a complete solution. By using this system, companies ensure traceability and integrity of data in cold chains. A study case is presented to validate the approach. © 2017 AISTI.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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