MétaCan
Menu
Retour à la cohorte
Enregistrement W4387376982 · doi:10.59934/jaiea.v3i1.319

Design And Development Of A Quality And Quantity Water Monitoring System For Water Tank Based On Internet Of Things

2023· article· en· W4387376982 sur OpenAlexaff
Abdullah Rayni, Akim Manaor Hara Pardede, Hasanul Khair

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésTurbidityWater qualityContext (archaeology)MicrocontrollerArduinoInternet of ThingsQuality (philosophy)Computer scienceProcess engineeringEnvironmental scienceSoftwareEmbedded systemEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

In the context of urban life, the quality and quantity of water stored in tanks play an indispensable role. However, concerns over the lack of effective monitoring of water conditions in tanks have garnered significant attention. This research aims to design a monitoring system utilizing Internet of Things (IoT) technology to ensure continuous monitoring of water quality and quantity within tanks.
 The study zeroes in on developing a solution that overcomes the limitations of traditional methods, known for their time and cost constraints. This solution hinges on a real-time monitoring system that integrates sensors and the NodeMCU ESP32 microcontroller. Measurements of water quality parameters, such as turbidity and total dissolved solids (TDS), along with assessments of water quantity through tank volume, are integrated into the system. Software development is carried out using the Arduino IDE platform.
 Through this research, an increased awareness of the importance of monitoring water quality in tanks is anticipated, and this solution is expected to make a significant contribution to the development of efficient and effective monitoring technology. Thus, a crucial step toward more accurate and up-to-date water monitoring in urban environments can be achieved.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,282

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 technologies0,0000,000
Communication savante0,0000,000
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 Opus0,112
Tête enseignante GPT0,310
Écart entre enseignants0,198 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetWater Quality Monitoring TechnologiesTravaux en français237 207