MétaCan
Menu
Retour à la cohorte
Enregistrement W3020476608 · doi:10.1109/pcic30934.2019.9074504

Applying Wireless Communications Technology to Industrial Trace Heating

2019· article· en· W3020476608 sur OpenAlexaff
Ryan Heykants, Jeff A. Hodgson, Ross T. Campbell, Nicolas Leblanc

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Sensor Networks for Data Analysis
Établissements canadiensShell (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésWirelessTRACE (psycholinguistics)Computer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Wireless technology as a means of providing communications for industrial electric trace heating installations has proven to be a positive alternative to hardwired solutions. Furthermore, wireless technology can be an effective means to extend or supplement existing hardwired installations. Advancements in wireless technology provide ripostes to common issues encountered in an industrial facility, interference chief among them. Selection of wireless, hardwired, or a combination of both technologies depends on several considerations such as overall installation complexity, area of installation, monitoring and control communication requirements and cost. Wireless is typically applied for a variety of reasons - as a means to reduce Total Installed Cost (TIC), to provide communications to less accessible locations, and to reduce overall implementation time. The design and implementation of wireless systems pose several new and interesting challenges resulting in the creation of new design practices and execution procedures. The wireless solutions created to overcome multiple trace heating communication challenges at a North American petrochemical facility resulted in valuable insight, considerations and recommendations for future installations. As demonstrated in this application, wireless systems designed and implemented in a concise and logical manner can be an attractive alternative to hardwired systems.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,032
Tête enseignante GPT0,282
Écart entre enseignants0,250 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWireless Sensor Networks for Data AnalysisTravaux en français237 207