Application of RFID Technologies in the Temperature Mapping of the Pineapple Supply Chain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Current temperature tracking systems lack the convenience and accuracy demanded by the real conditions of a fast-paced produce supply chain. In recent years RFID technology has been suggested to be an enhanced method for temperature tracking because of its many benefits, such as using little instrumentation, offering the quick readings necessary for real-time decision making, and allowing the capture of long-duration temperature profiles. However, its limitation lies on its failure to provide accurate temperature readings in the critical points of the pallet and the load. The objective of this work was to study the use of RFID in temperature monitoring by comparing the performance of RFID temperature tags versus conventional temperature tracking methods, as well as RFID temperature tags with probe versus RFID temperature tags without probes. Therefore, the temperature mapping of a shipping trial comprising pallets of crownless pineapples instrumented using different RFID temperature dataloggers and traditional temperature dataloggers and packed in two kinds of packages (corrugated boxes and RPC) inside a container was performed. The results showed the many advantages of RFID temperature tracking, such as quick instrumentation and data recovery, and the possibility of accessing the sensor program and data at any point of the supply chain without a line of sight. In addition, the use of RFID tags with probe was justified by its role in determining the efficiency of the precooling operations; while the RFID tags without probe proved useful during transportation and refrigerated storage. The creation of a RFID sensor with a probe, able to record both environmental and probed temperatures is suggested.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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