MétaCan
Menu
Retour à la cohorte
Enregistrement W4200166929 · doi:10.1109/ictc52510.2021.9620771

Benefits, Challenges and Practical Concerns of IoT for Smart Manufacturing

2021· article· en· W4200166929 sur OpenAlexfundno aff
Vivian Ukamaka Ihekoronye, Cosmas Ifeanyi Nwakanma, Goodness Oluchi Anyanwu, Dong‐Seong Kim, Jae‐Min Lee

Notice bibliographique

Revue2021 International Conference on Information and Communication Technology Convergence (ICTC) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesInformation Technology Research CentreMinistry of Education, Science and TechnologyNeurosciences Research Foundation
Mots-clésSoftware deploymentInternet of ThingsKey (lock)Computer scienceRaw dataComputer securityTelecommunicationsData scienceSoftware engineering

Résumé

récupéré en direct d'OpenAlex

IoT has helped many domains of industries in the effective purchase of raw materials down to the support and services rendered to their customers. The industrial revolution of 4.0 has IoT as its key player technologically, with the prospective feature of building influential services and application for manufacturing. In addition, deployment of IoT enables communication through the collection and transmission of data between smart machines which is important for complex systems in making decision in a real-time environment. This review paper presents the benefits of IoT in achieving seamless manufacturing operations. Furthermore, concise discussion on challenges, associated practical concerns as well as future direction is provided.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,763
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,063
Tête enseignante GPT0,289
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 International Conference on Information and Communication Technology Convergence (ICTC)Même sujetDigital Transformation in IndustryTravaux en français237 207