MétaCan
Menu
Retour à la cohorte
Enregistrement W2790371458 · doi:10.1109/tii.2018.2819678

Cross-Layer Lifetime Optimization for Practical Industrial Wireless Networks: A Petroleum Refinery Case Study

2018· article· en· W2790371458 sur OpenAlexafffund
Michael Herrmann, Geoffrey G. Messier

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProtocol stackRefineryWireless sensor networkEnergy consumptionMicroprocessorComputer scienceNode (physics)Wireless networkWirelessFrame (networking)EngineeringStack (abstract data type)Computer networkEmbedded systemElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper studies how to maximize the lifetime of ISA100.11a and Wireless highway addressable remote transducer (WiHART) compatible sensor networks for a petroleum refinery scenario. When accounting for the energy consumption of a typical refinery process sensor and the node microprocessor, only a relatively small percentage of battery energy on average is spent on wireless communication. However, this paper will demonstrate that optimizing network operation can still considerably extend network lifetime. The longest lifetimes are achieved using a new network optimization approach that accounts for the frame structure of ISA100.11a/WiHART. Results are generated using a full network protocol stack simulation that incorporates three different network optimization approaches and includes the energy consumption of the wireless transceiver, sensor, and microprocessor.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,321
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations20
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207