MétaCan
Menu
Retour à la cohorte
Enregistrement W4220727074 · doi:10.18280/jesa.550109

HE-Cool V1.0: Control Model of Hybrid Evaporative Cooler Prototype

2022· article· en· W4220727074 sur OpenAlexvenueno aff
Reni Rahmadewi, Rizal Hanifi, Tesa N. Padilah, Rizka Amalia, Rizki Sya’bani, Asep Maulana

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrocontrollerBluetoothArduinoSerial portAndroid (operating system)Automotive engineeringEmbedded systemEngineeringEvaporative coolerSerial communicationSimulationComputer scienceElectrical engineeringComputer hardwareOperating systemWirelessMechanical engineering

Résumé

récupéré en direct d'OpenAlex

During the summer in Indonesia, the climatic conditions continually facilitate the development of one from developing the use of an evaporation-based air cooler to more effective use for sustainable users over long distances. Therefore, this research developed an evaporative cooler prototype system based on HE-COOL V1.0 control model with a design for speed regulation control. The design was conducted with an Arduino microcontroller with various buttons: button 1 represents a low speed, button 2 represents a medium speed, and button 3 represents a high speed. The voltage used in the control model was 9 volts which is a voltage drop from the power supply unit of 220 V, and the port on the Arduino pinout has a 5 V supply. Humidity was detected by a DHT11 sensor with an average percentage of 56% usage factor monitored during an air-conditioning tests process. In addition, the input uses an application installed on an Android smartphone that makes users control the Arduino (device) from a distance of 0 to 21 meters without barriers and 19 meters with barriers using Bluetooth communication between devices. Users can also store and observe the humidity output data through a real-time firebase web database system feature.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetEngineering and Technology InnovationsTravaux en français237 207