MétaCan
Menu
Retour à la cohorte
Enregistrement W4283750660 · doi:10.1109/codit55151.2022.9803939

Enhancing the quality inspection process in the food manufacturing industry through automation

2022· article· en· W4283750660 sur OpenAlexfundno aff
Chengsi Lin, Muhamad Arfauz A. Rahman, Paul Maropoulos

Notice bibliographique

Revue2022 8th International Conference on Control, Decision and Information Technologies (CoDIT) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésAutomationManufacturing engineeringProduction lineQuality (philosophy)Process (computing)Production (economics)Product (mathematics)Automated optical inspectionManufacturingManufacturing processComputer scienceEngineeringEngineering drawingBusinessMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Automatic inspection system refers to the use of various inspection instruments to measure, indicate or record the main process parameters of the production process system. In the Fourth Industrial Revolution (Industry 4.0) era, competition among enterprises has become increasingly fierce. Most enterprises use automated testing to replace traditional manual testing to improve production efficiency and product quality. This paper investigates the current inspection process in the manufacturing industry. It proposes and designs an automated inspection system for sandwich filling coverage and thickness for sandwich production to replace the original manual inspection. After simulation and comparison of the improved production line, it was finally verified that the modified production line could improve the yield and quality of sandwiches and can help manufacturers save human resources.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,544

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,296
Écart entre enseignants0,260 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 8th International Conference on Control, Decision and Information Technologies (CoDIT)Même sujetIndustrial Vision Systems and Defect DetectionTravaux en français237 207