MétaCan
Menu
Retour à la cohorte
Enregistrement W2852204038 · doi:10.22214/ijraset.2018.6221

Implementation of a Vending machine using Programmable Logic Controller

2018· article· en· W2852204038 sur OpenAlexaff
Ramanamma Parepalli

Notice bibliographique

RevueInternational Journal for Research in Applied Science and Engineering Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Automation and Control Systems
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésProgrammable logic controllerComputer scienceSimple programmable logic deviceProgrammable logic deviceController (irrigation)Embedded systemComputer hardwareOperating systemLogic synthesisLogic gateLogic familyAlgorithm

Résumé

récupéré en direct d'OpenAlex

Automation has changed all our day-to-day activities. It has impacted all walks of life. Probably there is no domain left which has been untouched by automation from agricultural to space technology. As the technology is changing day in and day out and there is a competition in manufacturing industry to reduce the time to market of all the products, so that they remain upfront in their sectors. This paper describes about PLC (Programmable Logic Controller) and how to develop an automated coffee/tea vending machine using PLC programming languages. It is implemented using Schneider Electric M340 PLC which is one of the most famous PLC in the world. Launched as one of the most innovative Programmable Logic Controllers developed to date, Modicon M340 continues to be perceived as a model basis of a modern-day automation platform, garnering recognition for its robust quality and high-end capabilities, including improved performance, compliance with the latest networking standards, and operational cost-efficiency. Designed for a wide range of process and machine management, it finds perfectly his place in numerous segments such as the Food & Beverage etc.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0080,002

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 Opus0,084
Tête enseignante GPT0,424
Écart entre enseignants0,339 · 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
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Research in Applied Science and Engineering TechnologyMême sujetIndustrial Automation and Control SystemsTravaux en français237 207