MétaCan
Menu
Retour à la cohorte
Enregistrement W3045668688 · doi:10.33262/concienciadigital.v3i2.2.1252

Automatización de un generador de luz ultravioleta, controlada con un HMI, de longitud de onda variable

2020· article· es· W3045668688 sur OpenAlexvenueno aff
Jorge Luis Yaulema Castañeda, Paulina Fernanda Bolaños Logroño, Héctor Méndez-Gómez, V. Orquera

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

En la presente investigación, el objetivo principal fue realizar un control de longitudes de onda de luz UV, en un prototipo, analizando su óptica, cuyo referencial es el espectrofotómetro Perkin Elmer 781, usado en análisis de descontaminación de aguas surfactantes y de fotodegradación, para lo cual se ha rediseñado el generador, determinando el rango de frecuencias, disminuyendo el impacto ambiental, mediante la implementación de HMI, cuya metodología aplicada, para efectuar el proceso de automatización cuyo enfoque aplicativo se determina a través de la foto de graduación y descontaminación del agua, presentando un rediseño para la generación de longitudes de onda UV dentro de la parte eléctrica y electrónica a través de la interpolación de Newton disminuyendo el error al (0.05%) mínimos cuadrados de (3.32%) optimizando el control de motores con una conexión en HMI, mediante la cual se visualiza la longitud de onda generada facilitando la navegación y el control de los motores otorgando al operario la interacción directa con el equipo obteniendo como resultado a la mejora del sistema original variando los sensores y actuadores para obtener longitudes de onda de (500 nm) a (700 nm) el cual permite desarrollar trabajos en la descontaminación de aguas y efectividad del sistema.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,196
Écart entre enseignants0,178 · 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'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetBusiness, Innovation, and EconomyTravaux en français237 207